周期和冲击混合特征信号的自适应波形分解

导出了一种适合于分解机械动态信号的基元函数，它与提出的自适应信号分解方法相结合，能够将机械动态信号分解为正弦波和冲击响应的线性展开，因此不仅可以从信号中提取平稳的周期波形，而且还可以提取非平稳的冲击响应波形，特别是当信号中同时含有2种特征波形时，可以将其分别提取出来。转子冲击实验结果也证明了所推导的基元函数的有效性，并与Gabor基元函数进行了比较，表明应用提出的基元函数能够更有效地提取信号中的冲击响应波形。     

基于提升小波包的往复压缩机活塞-缸套磨损故障诊断

针对往复压缩机活塞-缸套磨损故障微弱信号特征识别问题,提出一种识别该类信号微弱特征的自适应非抽样提升小波包方法(AULSP)。该方法以分解层信号所有样本的预测差值平方和最小为目标函数,算出与信号特征自适应匹配的初始算子,并构造非抽样算子算出下一层各频带信号。对各层细节信号进行阈值处理并重构,对降噪后的信号再进行小波包分解。各分解频带信号长度与原始信号的长度相同,无须重构即可识别时域故障微弱信号特征。用这种方法成功提取了某往复压缩机活塞与缸壁发生碰磨故障时产生的弱周期性冲击信号。     

基于小波多分辨分析的往复机械故障特征提取与识别

本文从往复机械故障诊断领域中特征信号处理的应用角度,探讨了利用小波多分辨分析与信息熵相结合,对往复机械故障进行诊断识别的方法．首先应用小波分解,将监测信号映射到由一个小波伸缩而成的一组基函数上去,在通频范围内得到分布在不同频段内的分解序列;在此基础上,对各分解序列进行ＦＦＴ变换,建立信号的小波特征熵,以此作为故障识别的特征参数,对往复机械运行故障进行诊断识别,并以压缩机振动监测信号为例,实现了不同频段范围内特征信息的提取与故障识别,说明该方法是提取故障信息并进行诊断的有效方法     

基于Volterra级数和ULSP的机械隐含故障特征提取

针对提取机械原始振动信号中的隐含故障特征,提出了一种结合Volterra级数及冗余提升小波包(ULSP)的信号处理方法.先用二阶Volterra模型对信号进行延拓、预测,然后用冗余提升小波包对信号进行分解.对仿真信号的处理结果表明:分解得到的信号在边界没有振荡,有利于微弱特征的提取.工程应用中,完整地提取出了往复注水泵活塞与液缸密封碰磨产生的微弱故障特征信号.     

基于多分辨小波变换的相位匹配

相位匹配是基于频域匹配方法的一种,它利用具有局域频率特征的相位信号作为匹配基元,其匹配过程具有由粗到精的多分辨率特性。通过实信号解析分析法,在选用双正交小波的基础上,利用 Hilbert 交换构造了适于相位信号提取的频带分解滤波器,利用多分辨率小波变换将多分辨率的匹配过程与多分辨率的相位信号提取过程有机地结合起来。     

基于DTCWT与GA改进稀疏分解的轴承故障诊断

为解决滚动轴承故障信号信噪比低、故障特征难以提取的问题,提出一种双树复小波分解(DTCWT)与遗传算法(GA)相结合的改进稀疏分解方法.首先,采用双树复小波对轴承振动信号进行分解,并结合峭度最大准则提取包含冲击特征的最优分量,对该分量进行稀疏重构,实现强噪声信号的深度降噪、故障冲击特征的重构;然后,针对稀疏分解在处理高维复杂信号时计算效率低的问题,使用遗传算法优化基于匹配追踪(MP)算法的寻优过程,提升信号的重构效率;最后,提出基于残差信号包络熵的终止准则以合理选取迭代次数.经仿真与实验验证,与传统的稀疏分解相比,该方法能在强噪声背景下自适应地提取故障信号中的冲击特征,实现滚动轴承的故障识别.     

基于改进变分模态分解的有载分接开关机械状态监测

为提高变压器有载分接开关(On-Load Tap-Changer,OLTC)机械状态智能诊断水平,提出了基于改进变分模态分解(Improved Variational Mode Decomposition,IVMD)-权重散度的OLTC机械状态特征提取方法,以及和声搜索算法(Harmony Search,HS)优化相关向量机(Relevance Vector Machine,RVM)的故障分类方法.本文进行模拟实验测得了多组不同工况下的OLTC机械振动信号,通过IVMD算法将振动信号分解为一系列有限带宽本征模态函数(Intrinsic Mode Function,IMF),计算IMF分量与原始振动信号的K-L散度(Kullback-Leibler Divergence,K-L),再乘上权重系数得到权重散度,以权重散度来表征多组OLTC机械振动信号的时频域复杂度.同时构建了RVM多分类模型,并通过和声搜索算法对RVM的核函数选择进行了优化,有效地实现了对于权重散度的分类.实验与数据分析结果表明,本文所提综合诊断方法精度较高,可准确提取机械故障特征,能够为OLTC智能故障诊断提供必要的参考.     

基于自适应层数分解的小波变换滤除冲击信号

针对掺杂在冲击信号中的微弱振动信息被淹没的问题,提出了一种基于小波变换滤除冲击信号提取微弱振动信号的方法.该方法采用自适应层数分解的小波变换分析原理,根据冲击信号特征,合理选择小波基,对冲击信号进行分析滤除.为获得较好的滤除效果,针对分解层数的自适应性,提出了一种分解层数的自适应确定方法.对含有冲击干扰的微弱标准信号进行数值模拟,对含有冲击干扰的微弱金刚砂振动信号进行实测分析.结果表明该方法能自适应性地确定小波分解层数,并有效滤除冲击提取被淹没的微弱振动信号.     

非参数波形提取方法及应用

介绍了一种基于滤波器组的非参数波形提取方法,并将其应用于冲击信号的提取．该方法不需要构造参数表达的基函数,而是将具有信号先验知识的模板信号通过滤波器组得到一组基函数来提取隐藏在噪声中的信号．其原则是使基函数在各个子频带内匹配原始信号．给出了4种获取模板信号的方法．模板信号的选择使该方法在实际应用中具有良好的柔性和适应性．仿真信号和实验信号验证了非参数波形提取方法的有效性和实用性,即使是在噪声和信号频带重叠的情况下,也能将信号分离和提取出来．     

基于提升方法的小波构造及早期故障特征提取

针对机械信号早期故障特征的提取问题，提出了一种根据故障特征波形的特点来构造相应小波的方法．该方法以提升方法为基础，通过对初始双正交滤波器组进行提升和对偶提升，来获得不同的提升算子和对偶提升算子，从而构造出具有理想特性的新小波．提取提升后小波分解的高频细节信号在每个信号工作周期中的模极大值，来确定信号发生微弱突变的时刻和位置．工程振动信号分析表明，同其他类型的小波相比，用提升方法构造的小波能更好地匹配机械信号故障特征波形，因此较理想地提取出了某炼油厂重催机组转子不平衡、轴系不对中和轻微碰摩的故障特征．     

基于无限学生t混合模型聚类的机械故障预警方法

往复式压缩机、柴油机等复杂机械的振动信号往往呈现较强的非平稳特性，导致传统单特征门限报警法的报警准确率较低。针对该问题，提出一种基于无限学生t混合模型（infinite student's t-mixture model，iSMM）聚类的机械故障预警方法：首先，通过提取机械振动信号特征构建高维特征空间，并采用iSMM对其进行建模，以描述机械设备的状态；其次，利用基于匹配的KL散度近似算法计算机械设备在历史正常状态和观测状态下的模型间距离；最后，将该距离与基于3σ准则自学习出的报警阈值进行比较，实现故障预警。利用往复式压缩机故障案例对所提方法进行验证，结果表明本文方法较单特征门限报警法报警准确率高且时效性好，可有效地对复杂机械进行故障预警。     

基于时频图像GLCM-HOG特征的往复压缩机故障诊断

往复压缩机的故障诊断技术能够为工业生产提供有效保障,针对传统方法诊断准确率不高的问题,提出了一种基于振动信号时频图像灰度共生矩阵-方向梯度直方图(GLCM-HOG)特征融合的往复压缩机故障诊断方法.首先,采用小波变换的方法处理往复压缩机的振动信号,生成时频图像;其次,利用灰度共生矩阵(GLCM)和方向梯度直方图(HOG)的方法提取时频图像特征,融合构建GLCM-HOG特征;最后,将融合特征输入支持向量机(SVM)进行分类,以判别往复压缩机的运行状态.实验结果表明,所提方法对设备的状态识别准确率可以达到92.33％,能够实现往复压缩机的准确诊断.     

基于稀疏表示的轴承早期故障特征提取

低速重载机械设备中的滚动轴承由于承受巨大载荷,极易出现内外环故障. 在故障早期阶段,反映故障特征的冲击成分很微弱,极易被噪声覆盖而难以识别. 为准确诊断轴承早期故障,提出基于稀疏表示的故障特征提取方法. 该方法利用K-SVD字典训练算法构造出能准确匹配冲击成分的字典,克服了参数化字典缺乏自适应性的问题;稀疏编码过程中,采用批处理正交匹配追踪算法(batch orthogonal matching pursuit,Batch-OMP)对振动信号进行分解,以逼近信号的峭度值最大原则作为分解结束条件,自适应确定出分解次数;最后,通过对重构的特征成分进行包络谱分析得出故障类型. 对仿真信号和轴承振动信号进行故障特征提取,结果表明所提方法能准确提取出冲击成分,验证了其有效性和实用性.      

局域波法和高阶统计量在压缩机气阀状态监测中应用

为解决传统信号处理方法分析非平稳时变信号的不足,提出了一种适用于往复式压缩机气阀状态特征提取的新方法.首先使用局域波法将实测信号分解为多个基本模式分量,经过希尔伯特变换得到各分量的时频谱;然后计算归一化后幅值信号的高阶统计量,这些统计量很好地反映了气阀的劣化过程.通过对现场工作的聚乙烯二次压缩机组合阀振动信号的分析,验证了该方法在往复压缩机状态监测中的有效性和实用性.     

基于多分量奇异熵的往复式压缩机故障分类

由于往复式机械振动信号的强烈非线性,对其进行特征提取较为困难.针对上述现象提出了一种计算信号多分量奇异熵的特征提取方法.通过局域波法提取出振动信号的各基本模式分量. 利用非线性动力学相空间重构理论适当选择嵌入维数与延迟时间,计算出往复机振动信号各基本模式分量的奇异熵值,提取出故障信息,并经自适应神经模糊推理系统(ANFIS)对故障特征进行分类.结果表明全部分类正确,达到了故障诊断的目的.     

Fault Diagnosis of Reciprocating Compressors Valve Based on Cyclostationary Method

The relationship between second-order cyclostationary method and time-frequency distribution is studied,and cyclic autocorrelation(CA) function is indicated to be one sort of special time-frequency distribution method.Furthermore,a fault diagnosis method for reciprocating compressors based on empirical mode decomposition (EMD) and CA function is proposed,and then it is applied to the fault diagnosis of reciprocating compressor valve.Firstly,the vibration signal of reciprocating compressor valve is decomposed by using EMD method,and several intrinsic mode functions (IMFs) are obtained.Secondly,the IMFs are evaluated by some denoising criterions to remove the noise and interfering ones.Finally,the CA functions of the remained IMFs are calculated,which will be used to reconstruct the CA function of the original vibration signal.Engineering application indicates that this method can sufficiently inhibit the cross-interference items of CA function.Therefore,more explicit working conditions of reciprocating compressor components can be achieved.     

基于信号局部特征的自适应小波分析方法研究

提出了基于信号局部特征的自适应小波分析以及分段阚值自适应选择方法．针时旋转机械检测信号首先在时域中分析信号的局部特征，根据其局部特征分段自适应地选择小波函数进行信号处理，并分段计算其相应的阚值，进行小波信号处理，从而最大限度地保留信号特征，提高信号处理的性噪比．图2，参7．     

利用时变滤波器模拟多普勒信号

计算机模拟的多普勒信号可用于评估各种多普勒信号处理的性能。为了快速而容易实现模拟正交多普勒信号,提出了一种仅利用一个时变波滤器的方法。该方法根据白噪声通过时变滤波器的特性而实现的。实验表明,对以该方法模拟的多普勒信号的短时傅里叶分析结果与理论预测相吻合,故该方法是切实可行的。