Hilbert—Huang变换在齿轮故障诊断中的应用

齿轮作为一种重要的机械传动设备,对其进行故障诊断具有重要意义。传统的齿轮故障诊断大都采用FFT或者小波分析方法,对处理具有非平稳性的齿轮故障信号效果不太明显。HHT由经验模态分解方法（EMD）和Hilbert变换两步组成。经验模态分解方法（EMD）把时间序列信号分解成不同特征时间尺度的固有模态函（IMF）,适合处理非线性和非平稳过程。Hilbert变换对具有调制现象的信号的分析有很大优势。能有效地诊断齿轮的故障。     

基于Hilbert变换的包络分析及其在滚动轴承故障诊断中的应用

讨论了Hilbert变换的基本原理,以及基于Hilbert变换的包络解调方法在轴承故障诊断中的应用。实践表明:对于具有调制现象的滚动轴承故障诊断,基于Hilbert变换的包络解调方法,具有明显的诊断意义,是一种可靠的诊断方法。     

基于Hilbert谱熵的柴油机故障诊断方法研究

从信号的特征提取出发,采用局域波时频谱分析和信息熵结合的方法--Hilbert谱熵(HSE),进行柴油机振动信号的特征提取和状态识别.首先,对信号进行局域波分解;然后,根据得到的内蕴模式分量计算Hilbert谱;最后,建立基于时频分布的Hilbert谱熵,并以此作为故障识别的特征参数.以柴油机缸套与活塞间磨损的状态识别为例,根据对时域、频域和时频域的信息熵比较分析,证明了Hilbert谱熵对柴油机的状态进行评价的有效性.此方法为柴油机预知维修提供了一个有效的手段.     

基于EEMD和Hilbert边际谱的天然气压缩机故障诊断

针对天然气压缩机出现故障时其振动信号呈现出的非平稳非线性特性,提出了基于集总经验模式分解和Hilbert边际谱的压缩机故障诊断方法。首先采用EEMD算法对振动信号进行自适应抗混叠分解,得到不同频带的固有模态函数,然后利用Hilbert边际谱频率分辨率高的特点来提取故障信息。将该方法用于实际天然气压缩机的故障诊断,结果表明本文提出的方法能够成功诊断出压缩机的故障,与基于经验模式分解(EMD)的方法相比具有明显的优势。     

EMD方法在齿轮故障诊断中的应用

将EMD（Empirical Mode Decomposition）方法应用于机械故障诊断中，提出了一个新的齿轮故障诊断方法。EMD方法基于信号的局部特征时间尺度，能把复杂的信号分解为有限的内在模态函数（Intrinsic Mode Function）之和，这种自适应的分解方法非常适于非线性和非平稳过程的分析。用该方法对齿轮故障振动信号进行了分析，结果表明该方法能够有效地降低噪声，提高信噪比，突出齿轮故障振动信号的故障特征，从而提高齿轮故障诊断的准确性。     

基于Hilbert变换和小波包能量分析的转子断条故障诊断

转子断条是笼型异步电机最常见故障之一.基于Hilbert变换和小波包频带能量分析方法,提出了一种新的笼型异步电机转子断条故障检测方法.对采集的定子电流信号进行Hilbert变换,消去定子电流中包含的直流分量,解决了转子断条故障特征分量容易被基波湮没、难以检测的问题.采用基于小波包频带能量分析方法,对转子断条故障进行识别.实验结果验证了方法的有效性.     

一种改进的Hilbert能量谱算法研究

分析了HHT中Hilbert能量谱的原理；研究了瞬时频率谱中端点效应产生的原因，将ARMA模型应用于Hilbert能量谱计算中，以旋转机械振动信号为对象，运用所提的方法对HHT中典型的本征模式函数进行仿真实验；通过与传统方法比较，证明它可以有效地改进端点效应，优化Hilbert能量谱。     

非平稳地震地面运动局部谱密度正交化HHT估计

基于采用能反映时频非平稳特性的时变谱密度（局部谱密度）来描述地震地面运动的必要性,给出了利用正交HHT（Hilbert-Huang Transform）估计地震地面运动局部谱密度的方法．具体算例表明：与多重过滤和短时傅立叶变换相对比,利用正交HHT法来估计局部谱密度,速度更快,精度更高;与传统HHT方法相比,正交HHT法避免了能量泄露,有更普遍的适用性．因此,它是一种高效的局部谱密度估计方法．同时,用得到的局部谱密度对三条地震波的能量进行研究,总结了地震波样本能量的分布和变化情况．     

希尔伯特黄变换在齿轮故障诊断中的应用

希尔伯特黄变换是先把一列时间序列数据通过经验模态分解，然后经过希尔伯特变换获得时频谱的信号处理新方法。介绍了希尔伯特黄变换算法的原理及流程，利用由希尔伯特谱反映出的丰富的物理信息来对齿轮进行故障诊断。结果表明，希尔伯特谱较好地实现了齿轮故障的诊断，希尔伯特黄变换为齿轮故障提供了有力的工具。     

倒频谱在齿轮故障诊断中的应用

根据倒频谱所具有的特性，将原来信号频谱图上成族的边频带谱线简化为单根谱线。利用这一特点来识别齿轮振动复杂频谱图上的周期结构，分离和提取出密集泛频信号中的周期成分、多成分边频等复杂信号，使测试系统的在线故障诊断更加快速准确。     

瞬时频率波动分析与齿轮故障诊断

本文研究了齿轮振动信号调制与解调的过程与机理。并根据希尔伯特变换理论,提出了一种早期诊断齿轮故障的新方法—瞬时频率波动(TFF—Transient FrequencyFluctuation)分析法,实现了频率调制信号的解调,较好地提取了齿轮的局部损伤信息。在大量试验与分析的基础上对该方法进行了验证。     

基于电机电流分析的齿轮故障诊断研究

本文提出了一种基于电机定子电流的齿轮故障诊断方法,相对于齿轮故障诊断的一般振动信号诊断方法,该方法可实现远程诊断、便于安装且受环境噪声影响小的优点,是一种无损的故障诊断方法。本文针对电机驱动的齿轮传动系统,建立了负载转矩对电机定子电流的理论模型,并分析了各种状况时的定子电流频谱特征,发现可以利用基频与转频的变频带、基频与啮合频率的边频来判断齿轮断齿故障和磨损故障。通过matlab/simulink对电机齿轮系统进行了仿真,并在实验平台上进行了验证。     

HHT在齿轮故障诊断问题中的应用

齿轮作为一种重要的机械传动设备,对其进行故障诊断具有重要意义。传统的齿轮故障诊断大都采用FFT或者小波分析方法,对处理具有非平稳性的齿轮故障信号效果不太明显。HHT由经验模态分解方法(EMD)和Hilbert变换两步组成。经验模态分解方法(EMD)把时间序列信号分解成不同特征时间尺度的固有模态函数(IMF),适合处理非线性和非平稳过程。Hilbert变换对具有调制现象的信号的分析有很大优势。介绍了该方法的基本原理,并将HHT应用于齿轮断齿故障诊断,齿轮故障实验信号的研究结果表明:基于HHT的分析方法,能有效地诊断齿轮的故障。     

Hilbert-Huang变换在信号处理中的应用

在许多实际问题中,信号瞬时参数的提取有重要意义.数十年来,人们已提出多种计算方法,但这些方法均有一定局限性.文章利用一种改进的Hilbert变换——Hilbert-Huang变换进行信号瞬时参数的提取,结果表明:Hilbert-H uang变换是对非平稳时程进行数据分析的有效工具。     

基于Hilbert变换与威布尔分布的轴承早期故障诊断

提出一种结合Hilbert变换与威布尔(Weibull)分布的早期故障特征提取新方法.首先对滚动轴承的振动信号进行Hilbert变换,求出其包络,然后将包络拟合为双参数威布尔分布模型,并求出威布尔分布负对数似然函数,将其作为表征滚动轴承运行状态的特征向量.最后,利用欧氏距离判别法进行滚动轴承的故障识别与分类.实验结果表明所提方法的有效性和可行性.     

基于双谱分析的齿轮故障诊断研究

针对不同上齿轮的振动信号具有不同的高斯性和对称性的特点,利用三阶累积量的性质,对双谱分析用于轮故障诊断的方法和物理意义进行了研究。采用双谱估计的直接算法,给出了正常、裂纹和断齿三种不同状态的齿轮信号的双谱的等高线图,成功地对三种不同状态的齿轮进行了鉴别。同时,利用上述双谱中的一个“对角切片”Bx(ω,ω）将齿轮信号进行分离,发现不同状态下“对角切片”Bx(ω,ω）的谱线分布具有不同特点,进而实现了不同状态齿轮的自动识别。     

高斯小波-最大熵谱分析法及其在机械故障诊断中的应用

充分利用小波和现代谱分析的优点,提出一种新的谱分析方法——高斯小波－最大熵谱分析方法。介绍了该方法的分析步骤,并应用于减速机的故障诊断。该方法实现了在机械设备故障诊断中不同频带范围内零部件故障信息的分离和提取。     

二次FFT分析法与齿轮故障边频识别

在分析齿轮振动信号频谱特征的基础上,提出了二次ＦＦＴ分析法·该方法可识别出齿轮啮合中有故障的齿轮·将这一方法用于齿轮振动信号的实测分析,取得了对边频解调的效果,为解决提取具有边频故障特征信息一类诊断问题,提供了一种新的简便可行的方法·