首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 140 毫秒

1.  小波减噪和双谱分析在轴承故障诊断中的应用  被引次数:1
   李萌 陆爽《长春大学学报》,2005年第15卷第2期
   提出了基于小波减噪技术和双谱分析的滚动轴承故障诊断的方法。利用小波变换及其减噪技术对滚动轴承早期微弱故障振动信号的特征频率进行提取,采用双谱估计可绘出滚动轴承故障信号的特征图谱。实验表明,小波减噪和双谱分析方法可以敏感地监测滚动轴承工作状态,并且利用特征图谱可以有效地识别滚动轴承不同的故障特征。    

2.  滚动轴承早期故障振动信号的分离与诊断  被引次数:4
   徐晖 王丽丽《西安交通大学学报》,1997年第31卷第8期
   利用希尔伯特变换技术,将含故障的轴承振动信号转化为窄带振动包络信号,然后用包络信号的功率谱和活尔什列谱对轴承故障进行诊断,对5套307轴承的诊断结果表明,这种方法诊断结果准确可靠,方法简便实用,速度快,特别适用于滚动轴承故障的在线监测与诊断。    

3.  基于小波变换的故障信号检测  被引次数:1
   秦宣云  卜英勇《中南大学学报(自然科学版)》,2002年第33卷第4期
   分析了小波变换的时频局部化特性及基于多分辨分析的信号小波的分解算法 ,研究了信号局部奇异性在小波变换下的特性 ;根据故障信号的局部奇异性在小波变换下模的极大值及其在不同尺度上的传播特性 ,对 30 8型滚动轴承振动加速度故障信号进行分解 ,对故障特征信号进行时域定位 ,并提取了故障特征频率f=46 .88Hz,这与实际的故障特征频率相近 ,说明该方法适用于滚动轴承的在线监测和故障诊断    

4.  形态滤波在滚动轴承故障声发射信号处理中的应用  被引次数:7
   郝如江  卢文秀  褚福磊《清华大学学报(自然科学版)》,2008年第48卷第5期
   滚动轴承的状态监测和故障诊断意义重大.为有效诊断轴承早期的微弱故障,将形态滤波方法用于轴承故障声发射信号的处理,提出采用多尺度形态开闭和闭开组合的滤波器对信号降噪处理,采用闭运算对降噪后的信号进行形态滤波解调得到明显的故障特征频率,并对比故障振动信号和声发射信号的处理效果.研究表明: 形态滤波用于轴承故障声发射信号特征提取效果明显,适用于轴承的状态监测和故障的早期诊断.    

5.  基于EEMD和小波包变换的早期故障敏感特征获取  被引次数:2
   王红军  万鹏《北京理工大学学报》,2013年第33卷第9期
   提出一种基于总体平均经验模态分解和小波包变换的方法,进行早期故障敏感特征的获取,构建早期故障诊断模型.该方法首先应用EEMD对现场采集的振动信号进行分解,分离出不同频率成分的特征信号,选择与原信号相关系数最大的IMF分量进行信息重构;面向重构的IMF分量采用WPT进行分解,得到各个节点的小波系数;最后使用Hilbert变换提取小波包系数的包络,计算功率谱,准确获得早期故障的敏感特征.通过对仿真信号的分析验证了该方法对故障诊断的有效性.将该方法应用于实测的滚动轴承的内圈、外圈和滚动体故障诊断,诊断结果均表明该方法可有效提取早期故障敏感特征,故障诊断快速准确.    

6.  面向故障诊断的广义频率响应函数的在线估计方法  
   吴立勋  管桦  魏瑞轩《空军工程大学学报》,2006年第7卷第5期
   基于非线性谱分析的故障诊断是一种新的故障诊断理论。针对该方法中广义频率响应函数的在线估计问题,研究了利用Volterra时域核在线得到被测系统的广义频率响应函数的新方法。基于Volterra系统的鲁棒总体均方最小自适应辨识算法,提出了一种新的广义频率响应函数的在线估计方法。该方法能够有效减少广义频率响应函数的在线计算量,而且实现简便,鲁棒性强。仿真实验证明了该方法的有效性。    

7.  基于小波分析的轴承故障诊断研究  被引次数:8
   任国全  韦有民  郑海起《河北省科学院学报》,2002年第19卷第2期
   提出了基于正交变换的滚动轴承故障诊断新方法。利用正交小波基将滚动轴承故障信号变换到时间 -频率域 ,通过小波重构信号的希尔波特变换解调和包络谱分析 ,对轴承的故障进行了有效的诊断。文中实例证明 ,小波变换对处理非平稳信号具有很好的应用效果    

8.  基于小波包联合AR功率谱理论的滚动轴承故障诊断  
   王潜龙  屈展  冯全科  帕娜尔汗《西安石油大学学报(自然科学版)》,2003年第18卷第4期
   提出了小波包联合自回归功率谱理论的故障诊断方法.对采集的轴承振动信号采用高、低正交共轭镜面滤波器组,将信号划分到不同频道上.滤波器每作用一次,数据点减半,采样的时间增至两倍.选取轴承缺陷所在频段的数据插零,将其他频带补零重构提高缺陷信号的时频分辨率;然后通过AR功率谱分析轴承运行状态,诊断出轴承对应的故障.对207滚动轴承的早期缺陷作了实际诊断,诊断结果与实际较为符合.证明该方法是一种有效的弱信号缺陷提取与诊断方法.    

9.  基于小波包联合AR功率谱理论的滚动轴承故障诊断  被引次数:3
   王潜龙 屈展 冯全科 帕娜尔汗《西安石油学院学报(自然科学版)》,2003年第18卷第4期
   提出了小波包联合自回归功率谱理论的故障诊断方法.对采集的轴承振动信号采用高、低正交共轭镜面滤波器组,将信号划分到不同频道上.滤波器每作用一次,数据点减半,采样的时间增至两倍.选取轴承缺陷所在频段的数据插零,将其他频带补零重构提高缺陷信号的时频分辨率;然后通过AR功率谱分析轴承运行状态,诊断出轴承对应的故障.对207滚动轴承的早期缺陷作了实际诊断,诊断结果与实际较为符合.证明该方法是一种有效的弱信号缺陷提取与诊断方法.    

10.  基于双谱的模糊聚类滚动轴承故障诊断  
   李成浩  张兴国  周东健  郭旭  张磊《南通工学院学报(自然科学版)》,2014年第2期
   为了能准确可靠地判别出机械设备中滚动轴承的故障类型,基于双谱能表征随机信号偏离高斯噪声程度的特性,提出一种模糊聚类的滚动轴承故障诊断方法。基于滚动轴承运行过程中监测到的振动信号包含高斯噪声且具有非高斯、非线性特点,该方法在分析高阶谱理论的基础上,对双谱估计特征值进行阈值化处理,构成二值特征图并构造模板,通过测试样本与目标模板之间距离大小来进行不同类别的判断,实现对滚动轴承故障的诊断。经实例验证,该方法有效实现了对滚动轴承故障的分类判别,并提高了判别的可靠性和准确性。    

11.  基于包络解调滤波的滚动轴承复合故障诊断  
   刘东东  程卫东  温伟刚  万广通《中南大学学报(自然科学版)》,2018年第4期
   针对在变转速工况下进行滚动轴承复合故障诊断时,由于故障间的相互作用使得多种故障特征混叠在一起,彼此干扰,造成误判﹑漏判等问题,以及时域滤波过程中共振频带参数难以获得这一问题,提出基于包络解调滤波的滚动轴承复合故障诊断方法。首先,使用多项式函数拟合轴承转速,并根据轴承各部分的故障特征频率系数和转速信息计算瞬时故障特征频率(IFCF)趋势线;其次,根据各部分IFCF趋势线的拟合函数,构造解调算法的相位函数,对原始信号经过Hilbert变换得到的包络信号解调;最后,以各部分IFCF拟合函数的初始值为中心频率构造窄带巴特沃斯带通滤波器,对解调信号进行滤波处理,并对滤波后的信号进行快速傅里叶变换(FFT)得到包络解调滤波信号的频谱。研究结果表明:该算法使轴承IFCF的能量集中在初始值的位置,使用巴特沃斯带通滤波器便可以在包络信号中提取解调后的故障信息。该方法既克服了转速变化引起的"频率模糊"现象,又避免了时域滤波中共振频带难以确定的问题。仿真算例和应用实例证明了该算法的有效性。    

12.  基于小波包分解的滚动轴承故障诊断  被引次数:1
   黄中华  尹泽勇  刘少军  丁文强《湖南科技大学学报(自然科学版)》,2008年第23卷第2期
   提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.    

13.  高密度小波变换在滚动轴承复合故障诊断中的应用  被引次数:1
   秦毅  王腾  何启源  任兵《重庆大学学报(自然科学版)》,2013年第36卷第3期
   针对目前滚动轴承中多种微弱故障难以准确识别的难题,提出基于高密度离散小波变换和包络谱的滚动轴承复合故障诊断方法.首先对采集的轴承振动信号进行高密度离散小波变换;然后对各尺度上的小波系数和尺度系数进行单子带重构,以消除频率混叠的影响;最后对各子带信号分量进行包络谱分析,并通过滚动轴承各典型故障的特征频率,识别滚动轴承存在的各种故障.将所提方法应用于具有复合故障的滚动轴承的诊断,并与其他常用的诊断方法进行对比,结果表明该方法能有效地实现滚动轴承早期复合故障诊断.    

14.  基于小波分析和Kohonen神经网络的滚动轴承故障分析  
   张梅军  石文磊  赵亮  袁海龙《解放军理工大学学报(自然科学版)》,2011年第2期
   为了对旋转机械中滚动轴承的运行状态进行故障监测和诊断,在对振动信号进行采集和处理的基础上,提出了小波变换与Kohonen神经网络(SOM)相结合的滚动轴承故障诊断新方法。运用该方法在滚动轴承实验台上进行实验,用小波分析提取振动信号的特征值后,应用SOM网络对数据进行分类得到各种故障类型的标准样本,通过故障样本与标准样本的对比与分析得出诊断结论。结果表明,该方法能够准确的识别和诊断出滚动轴承的运行状态和故障类型,适合滚动轴承故障诊断,具有一定的工程实用价值。    

15.  基于EMD与多重分形去趋势法的轴承智能诊断方法  
   贾峰  武兵  熊晓燕  熊诗波《中南大学学报(自然科学版)》,2015年第2期
   引入经验模态分解(EMD)方法去除故障信号的趋势项,提出EMD-MFDFA(multifractal detrended fluctuation analysis)的多重分形分析方法,并通过仿真分析EMD方法去趋势效果的有效性。然后将采用EMD-MFDFA方法提取的电机滚动轴承振动信号的多重分形特征向量作为训练集,利用混合遗传算法搜索全局最优的能力优化支持向量机(SVM)模型参数,建立电机滚动轴承的智能诊断模型。最后,通过对电机滚动轴承不同状态的振动信号进行分析。研究结果表明:EMD-MFDFA方法能很好地揭示滚动轴承的振动信号多重分形特性,对滚动轴承正常状态、单一故障与多故障耦合等状态具有很强的辨识能力;所建立的智能诊断模型可以有效地诊断滚动轴承不同的故障状态,能够作为滚动轴承故障在线监测的有效工具。    

16.  基于小波包和EMD处理的滚动轴承故障诊断  被引次数:2
   吕永卫  熊诗波  林选  田慕琴《太原理工大学学报》,2010年第41卷第2期
   为解决异步电机故障轴承振动信号易受噪音影响信噪比较小的缺点,提出了一种新的故障诊断方法.首先,采用小波分析方法对测得的原始信号进行去噪,并根据频率对原始信号进行频带划分;其次,用经验模式分解(EMD)方法对小波包分解重构得到的低频段信号进行分解,获得若干固有内在模函数(IMF);最后,采用傅里叶变换对各个IMF函数进行时频分析获得频谱图,进而提取故障频率,根据故障频率和故障类型的对应关系得出最后的诊断结果.实验表明,该方法能有效地提取出故障特征频率,方便地判断出故障类型.对比分析了傅里叶变换和小波变换与本方法的优缺点,为滚动轴承的早期故障诊断提供了一个新的思路.    

17.  基于MCKD与CEEMDAN的声信号故障特征提取方法  
   申博文  王华庆  唐刚  宋浏阳《复旦学报(自然科学版)》,2019年第3期
   在双转子轴承状态监测与故障诊断中,信号传递路径复杂,很难通过加速度传感器直接获得信号,而声音信号有非接触式测量的优势,包含大量特征信息.为了能够准确、有效地通过声音信号实现滚动轴承故障诊断,检测出轴承故障,提出了基于自适应噪声完备集合经验模态分解(CEEMDAN)和最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法.首先运用最大相关峭度解卷积方法增强轴承故障声音信号中的冲击,然后对处理后的信号进行CEEMDAN处理,计算每个经验模态分量的峭度值,根据峭度值选取最优分量并求Hilbert包络谱,以准确提取故障特征频率.文中采用该方法基于声音信号实现滚动轴承故障诊断,为提取最优分量提供了理想筛选标准,一定程度上降低了故障诊断的复杂程度,具有良好的自适应性.    

18.  浅析常见交流电机故障机理及诊断  
   常卫花《太原科技》,2012年第10期
   介绍了对常见交流电机故障的诊断技术,初步研究了其产生故障的原理,诊断与解决方法,包括在机理层面上对交流电机故障进行探讨,在线监测电机和电机故障特征量的提取,分析故障状态和诊断故障原因,并提出解决方案。    

19.  基于非线性频率响应函数的输电线路故障在线监测方法  被引次数:1
   陈民铀  孙峰  翟进乾  罗涛《重庆大学学报(自然科学版)》,2010年第33卷第1期
   提出了基于非线性频率特性分析的输电线路状态监测与故障诊断新方法。通过电力载波信号对输电线路进行在线监测,运用非线性频率响应函数对系统固有特性描述的唯一性,建立输电线路不同运行状态的频率响应模式,根据发生故障后传输线频率响应特性的变化,进行故障征兆模式的特征抽取与识别,从而实现输电线路故障的在线监测与诊断。通过对不同故障类型的仿真实验,验证了所提方法的有效性。    

20.  基于支持向量机的滚动轴承早期故障诊断  
   李明  王仲生《科学技术与工程》,2009年第9卷第13期
   针对航空发动机故障诊断过程缺乏大量实际故障数据的问题,提出了一种基于支持向量机和小波包相结合的滚动轴承的早期故障诊断方法.该方法利用有限的故障样本,以结构风险最小原理为基础,建立滚动轴承早期故障特征与其运行状态之间的对应函数关系,即故障分类器,并以该函数的输出判定轴承的早期故障类型.实验结果表明,小波包分析能够有效的提取滚动轴承中微弱的早期故障特征,支持向量机可以对这些早期故障特征进行准确识别.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号