基于改进型振子差分的微弱正弦信号检测

在信息检测领域,微弱信号检测是目前的研究热点之一.为了检测更低信噪比下的纳伏级微弱正弦信号,综合考虑混沌系统检测信号的灵敏度和工作稳定性2方面,建立了改进型双振子差分检测模型.通过振子差分对相空间中的周期部分和共模噪声的抑制特性,利用差分波形图检测微弱正弦信号.仿真实验结果表明:改进型的差分振子可以更好地对微弱正弦信号进行检测,且该方法具有稳定性高、灵敏度高、直观、易于实现等优点.     

基于非局部均值去噪和快速谱相关的滚动轴承早期故障诊断方法

针对如何从非线性、多分量、强背景噪声的滚动轴承早期故障振动信号中有效提取出微弱故障特征并准确判断故障类型,提出基于非局部均值去噪和快速谱相关的故障诊断方法。首先利用非局部均值去噪算法对原始振动信号进行降噪预处理,提高信号信噪比。然后,对降噪信号进行快速谱相关分析,增强信号中的周期成分,获得快速谱相关谱及其对应的增强包络谱。最后,将增强包络谱中幅值突出的频率成分与故障特征频率进行对比,判定故障类型并实现故障诊断。使用本文提出方法对仿真故障信号、实验故障信号进行分析。研究结果表明:相较于快速谱相关方法、谱峭度结合非局部均值去噪方法以及非局部均值去噪结合经验模态分解方法,本文提出方法可以抑制轴承早期故障振动信号中的背景噪声,有效提取出微弱故障特征,准确判断故障类型,避免出现误诊。     

浅谈一种基于AR模型的电厂电动机故障诊断新方法

电动机是电厂的重要设备,对发电厂的电动机故障进行诊断有重要意义。本文采用虚拟仪器系统作为开发平台,根据电动机振动信号的特点,对其进行虚拟诊断测试,在实际测试中,提出倒谱分析方法,是基于自回归AR模型的一种电机振动信号检测方法,首先是AR建模,并进行阶次预测和系数预测,得到相关参数;再进行倒谱变换,快速准确地提取出所需要的频谱信息,从而判断电机是否出现故障。     

基于差分振子与欧氏距离的微弱未知信号检测方法研究

针对噪声很大,并且具有非高斯、非平稳、非线性特征的轴承微弱故障信号,提出了基于差分振子结合欧氏距离检测微弱故障的方法,通过构造差分振子微弱信号检测器,结合欧氏距离定量识别出未知信号的频域信息和幅值信息,该方法很直观地证实了系统参数对检测信号的影响,将该方法用在提升机的轴承故障实例中,证实了该方法能够成功地提取出故障频率。     

用于周期分解语音活动检测的基频提取方法研究

介绍了基于语音信号周期分解的语音活动检测算法.传统语音活动检测算法在动态低信噪比背景噪声环境下的效果很不理想,这主要是因为传统方法中提取的能量与过零率等检测特征针对的是平稳噪声,对信噪比的变化很敏感.而本文介绍的周期分解语音活动检测方法能较好地解决这个问题,因为语音信号中浊音段的周期性是区别一般噪声信号的重要特征,并且该特征受背景噪声类型和信噪比变化的影响小.在周期分解语音活动检测方法中,基频提取的准确性对最终检测性能有很大影响.针对此情况,提出了自相关、循环均值幅度差分和YIN三种基频提取算法相融合的方法.实验结果表明,在背景噪声为白噪声、汽车噪声、嘈杂人声以及信噪比0dB,5dB,10dB的情况下,该方法相对单一基频提取算法,可以有效提升基频提取与周期分解语音活动检测的准确性.     

幅度和频率调制中的阵列随机共振

研究调幅和调频过程中的随机共振.信号被强干扰源扰动,有可能淹没在强背景噪声中.这时一般的随机共振方法失效,这里提出阵列方法来增强信号的检测,给出的系统由包含非线性元素的阵列构成.通过给阵列中每个元素增加独立的外噪声,这一阵列可提高信噪比.     

基于变尺度杜芬阵列的超声非线性输出信号检测

针对超声非线性输出信号中二次谐波信号比较弱、且是经过复杂传播的非线性时间序列,利用变尺度杜芬阵列对超声非线性输出信号进行检测评估材料的疲劳损伤。首先对杜芬振子进行频率变换、分析初始相位对检测结果的影响,构建检测实际工程信号的杜芬阵列模型,并对超声非线性输出信号进行变尺度变换,使杜芬阵列与超声非线性输出信号相匹配。当处理信号输入杜芬阵列模型时,第二个杜芬振子相轨迹由混沌状态过渡至大尺度周期状态,微弱二次谐波信号可以被有效的检测出来。根据杜芬振子总驱动力幅值和响应信号幅值之间的对应关系对二次谐波信号幅值进行有效估算。最后,探究随机噪声对检测模型的影响,当待测信号含有噪声时,杜芬振子相图仍变为大尺度周期状态,随着信噪比降低,相轨迹越来越粗糙,且稳定性变差。以上分析表明,利用构建的杜芬阵列模型能够有效检测超声非线性输出信号的二次谐波,对材料的疲劳损伤状态进行有效评估。     

基于局域波和混沌的转子系统早期碰摩故障诊断

为实现低信噪比下的微弱信号检测,提出一种基于局域波和混沌的微弱信号检测方法.将微弱的故障信号分解为有限的并且具有不同基本模式的分量,每个分量为单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期碰摩故障信号检测结果说明了该方法的有效性.     

采用改进多点最优最小熵反褶积的齿轮箱复合故障特征提取

针对强背景噪声下齿轮箱复合故障中的微弱故障特征难以提取的问题,提出了一种改进多点最优最小熵反褶积的齿轮箱复合故障特征提取方法。将小波降噪作为前置滤波器,克服了多点峭度谱在强背景噪声下难以有效识别信号中的微弱故障周期成分的缺点,使信号峭度增加了65.9%,突出了微弱故障周期成分;根据多点峭度谱识别出的故障周期成分设置合理的故障区间,利用多点最优最小熵反褶积突出了信号中的故障周期,避免了对信号直接包络解调而出现的漏诊现象;将差分能量算子解调应用于改进算法处理后的信号,与传统的Hilbert解调方法相比,该算法得到的解调谱中故障特征频率的峰值更加明显。通过对仿真信号与齿轮箱中齿轮点蚀磨损复合故障振动信号的研究结果表明,改进多点最优最小熵反褶积方法能够完整地提取信号中的故障特征频率成分,成功率达到了100%;与变分模态分解进行了对比分析,改进算法有效消除了模态混叠现象。仿真和试验结果表明,改进算法可以有效提取强背景噪声下齿轮箱复合故障中的微弱故障特征。     

基于深度学习和激光多普勒测振技术的机械臂电机故障时频尺度诊断方法

机械臂电机振动信号的采集效果较差,影响时频特性分析过程,导致故障诊断效果与精度较差,为此提出基于深度学习和激光多普勒测振技术的机械臂电机故障时频尺度诊断方法。使用激光多普勒测振技术与小波阈值去噪算法,建立机械臂电机振动信号采集系统,获取并重构故障信号;提取电机振动信号的时域、频域等尺度特征,引入人工神经网络建立一个具备学习能力的故障诊断模型,将提取的机械臂电机故障时域、频域等尺度特征输入诊断模型中,输出分类诊断结果,即可完成机械臂电机故障时频尺度诊断。结果表明：利用该方法开展电机故障诊断时,检测结果与实际电机故障类型之间偏差较小,诊断效果好、精度高。     

基于HHT及共振解调方法的动车组走行部轴箱轴承故障诊断算法

针对动车组走行部轴箱振动信号非平稳、非线性且背景噪声频率分布范围广的复杂特性,设计了改进的希尔伯特-黄变换算法(Hilbert-Huang Transform,HHT),综合利用了HHT方法有效平稳化信号及共振解调方法有效提高信噪比的优点.通过分析动车组运行过程中轴箱轴承背景噪声成分,进行了轴箱轴承故障信号的仿真.对仿真信号分别使用HHT方法,共振解调方法及本文所设计方法进行故障分析.结果表明:相比HHT方法与共振解调方法,本文所设计方法可有效提取故障信息并分析故障类型.适用于分析高速动车组走行部特有的振动信号特征.为我国高速动车组故障诊断提供了新思路.     

基于局域波和混沌的转子系统早期故障诊断

针对转子系统早期微弱故障诊断问题,提出了一种基于局域波分析和混沌相结合的故障诊断新方法.分析了Duffing混沌振子的混沌运动,说明混沌振子的非平衡相变对微弱信号的敏感性和对白噪声的免疫力.可以通过混沌振子由混沌运动到大周期运动的相变识别微弱信号的特征频率成分.由于实际检测信号为多分量信号,若直接输入Duffing振子达不到检测识别目的.为了消除其他成分的干扰,利用局域波分解,任何复杂的信号都可以分解为有限的并且具有不同的基本模式分量,每个分量是单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,通过混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期不对中故障信号进行检测结果证明了方法的有效性.     

基于STM32的选煤厂压滤机安全运行监测装置的研发

为确保选煤厂压滤机电机设备的安全、高效运行,电机相关参数的在线监测装置的研发意义重大.本文阐述了基于STM32的选煤厂压滤机安全运行监测装置的研发,结合目前煤矿洗选厂压滤机设备故障监测方面智能化、自动化、信息化水平较低的现状,开发了基于FreeRTOS操作系统,利用多任务机制实现对压滤机电机温度信息、振动信息及电流信号...     

基于小波包分解的滚动轴承故障诊断

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.     

局部倒频谱编辑方法及其在齿轮箱微弱轴承故障特征提取中的应用

针对齿轮箱滚动轴承的微弱故障诊断常常由于背景噪声、离散频率成分干扰,造成轴承故障漏诊,不利于设备的长期稳定运行的问题,将局部倒频谱(LC)理论与倒频谱编辑(CEP)方法相结合,提出一种局部倒频谱编辑方法(LCEP),解决了LC无法进行时域信号重构的问题。针对分析频带选择这一关键性问题,在齿轮箱滚动轴承微弱故障诊断中给出了选择准则。调整后的局部倒谱可以成功提取复杂振动信号中的干扰成分,实现对主要干扰成分的编辑,抑制其对微弱故障诊断的干扰。将所提方法用作信号预处理,对重构时域信号做希尔伯特变换和包络分析,建立齿轮箱振动信号模型,利用仿真信号和实验信号验证了方法的有效性。将所提方法与CEP方法和倒谱预白化(CPW)方法对比表明,LCEP结合包络谱(ES)诊断方法在强背景噪声、多频率成分干扰及复杂调幅调频的齿轮箱振动信号中,成功提取轴承外圈微弱故障特征,特征明显性提高了6倍。     

基于混沌和符号序列统计的滚动轴承故障诊断

针对滚动轴承故障的特征信号处于较低频带内、容易被噪声淹没、难以检测的问题，提出了基于混沌和符号序列统计的滚动轴承故障诊断方法．该方法利用混沌振子对微弱周期信号的敏感性，通过检测处于低频带内的故障特征周期信号来诊断轴承故障，同时采用符号序列统计量来识别振子状态的变化，达到了客观、自动识别振子状态和确定故障的目的．通过诊断滚动轴承的滚动体故障和内圈故障，验证了该方法的有效性．     

基于Duffing振子的微弱信号参数估计

针对传统Duffing系统在检测频率未知的微弱信号时用振子阵列会增加复杂度的问题,提出结合频谱分析和Duffing振子的频率检测方法,此外还给出信号幅度和初相位的估计方法。将待测信号输入到内置周期驱动力为0的Duffing振子检测系统,对其输出量作频谱分析得出信号频率;利用Lyapunov指数方法得到临界阈值fd;把待测信号分别输入到内置周期驱动力初相为0和π的Duffing振子检测系统,并通过Lyapunov指数方法求出系统发生相变时所对应的内置周期驱动力幅值,计算可得信号的幅度和初相位。仿真实验证明,该方法可检信噪比低至-43.01 dB,与传统Duffing振子系统相比,具有检测精度高、复杂度低的优点。     

8G型电力机车牵引电机轴承故障的振动诊断

介绍了采用振动诊断技术，对机车牵引机轴承故障进行动态检测的方法。利用简易诊断法可判断电机轴承有无异常，而精密诊断法则进一步判断电机在发生故障的部位，借助诊断分析系统，对所测信号进行频谱分析，根据电机轴承不同部位故障的特征频率，确定故障程度和部位，以便及时采取防范措施。     

自适应频移变尺度振动共振轴承故障诊断

针对广泛应用于水轮机、风电机组等设备中的滚动轴承存在早期故障难以检测的问题,提出了自适应频移变尺度振动共振轴承早期故障诊断方法。该方法利用高频周期激励促使滚动轴承振动信号中的噪声能量转向轴承故障特征频率,并自适应地频移变尺度轴承故障特征频率使其满足振动共振的小参数检测条件,最后通过参数优化最佳地检测出轴承早期故障。利用轴承实验数据验证了该方法的有效性,与最大相关峭度解卷积技术相比,所提方法的诊断结果具有一定的优势和工程应用价值。     

基于经验模式分解的包络解调技术及其应用

提出了一种新的调制信号解调分析技术,来抑制传统的包络解调方法中经常出现的无意义的频率成分.首先,对复杂的振动信号进行经验模式分解,得到若干个基本模式分量,再对包含调制信号的基本模式分量进行包络分析以提取故障信息.该方法利用经验模式分解来实现故障信息的有效分离,从而提高了诊断信号的信噪比.利用该方法对某齿轮箱轴承座振动信号进行经验模式分解,进而解调出高速轴转频这一调制频率,准确地诊断出该故障是由齿轮轴不对中所引起的,通过针对性的维修后,消除了故障,从而验证了该方法的有效性.