EEMD滤波的转子轴心轨迹提纯方法

针对轴心轨迹提纯问题,研究了集合经验模式分解(Ensemble empirical mode decomposition ,EEMD)抑制模态混叠的特性及其滤波特性,提出了基于EEMD滤波的转子轴心轨迹提纯方法。应用EEMD将信号分解成一系列的固有模式函数(Intrinsic mode function,IMF)分量,再根据先验知识选择相应的IMF分量重构信号,组合成提纯轴心轨迹。对小型转子试验台转子轴心轨迹的成功提纯验证了该方法的有效性,与谐波窗和EMD轴心轨迹提纯方法的对比结果表明了该方法的优势,为转子系统故障诊断提供了一种新的手段。     

偏微分方程在轴心轨迹提纯中的应用

转子轴心轨迹包含了丰富的故障征兆信息,但因噪声的干扰,实测的轴心轨迹往往非常混乱。针对传统轴心轨迹提纯方法存在的问题,提出了偏微分方程(partial diffetential equation)轴心轨迹提纯新方法。分析了PDE滤波的基本原理、PDE滤波器的参数设计及其数值化过程,指出了PDE滤波与传统滤波器的相关性,实现了基于PDE的轴心轨迹提纯。实验表明,PDE方法可有效滤除信号中的噪声,且适应性强;去噪之后信号畸变少,保证了滤波前后信号固有结构不变。     

基于小波包变换的船舶轴系轴心轨迹特征提取

为实现通过轴心轨迹识别船舶轴系的工作状态,在船舶轴系轴心轨迹测试实验台上测试各轴承处水平和垂直的位移信号,应用小波包变换对各轴承处的轴心轨迹进行特征提取及分析.结果表明:实测船舶轴系轴心轨迹混乱,无法用于船舶轴系工作状态的识别;利用小波包变换提取的轴心轨迹呈清晰的香蕉形、椭圆形及外“8”字形,其中香蕉形和外“8”字形轴心轨迹刻画了转子不对中工作状态,椭圆形轴心轨迹刻画了转子不平衡工作状态.因此,小波包变换可用于船舶轴系轴心轨迹的提取,实现船舶轴系工作状态的识别.     

基于小波包的转子轴心轨迹提纯方法

提出一种基于小波包的转子轴心轨迹提纯方法。将从转子上测得的互相垂直的两个方面上的原始时域信号用小波包分解后,采用逆Ｇｒａｙ编码对分解结果进行整序处理,得到按频率大小由低到高排列的频段序列,再根据对不同类型转子故障特征的先验知识,分别选取若干不同的频段进行重构,利用重构数据合成的轴心轨迹,删除了噪声的干扰,能更清晰地表现转子故障的特征。     

强混沌背景中频带内谐波信号提取

针对强混沌背景中频带内信号难以提取这一问题,提出了基于正交小波变换与小波软阈值滤波相结合的方法.以Lorenz混沌背景为例,对强混沌背景中的谐波信号进行提取.仿真试验结果表明,该方法比较适合于混沌背景中弱信号的检测与估计,与现有的相空间处理方法相比,简单直接,计算步骤少,可以实现对信号的实时处理.另外,该方法具有普适性,在混沌背景中信号提取领域有一定的发展前景.     

提取强混沌干扰中谐波信号的方法

提出一种新的从强混沌干扰中提取谐波信号的方法. 根据混沌的几何性质, 应用相空间重构技术和离散小波变换, 建立一种新的相空间投影方法, 将谐波信号分离出来, 并对含噪谐波信号进行功率谱密度估计, 提取谐波信号的频率, 利用小波滤波和最小二乘估计, 提高谐波信号的提取精度. 通过计算机仿真实验, 表明该方法非常有效.      

基于交叉验证法优化参数的Morlet小波消噪方法

针对机械监测故障信号的非平稳性特点,提出一种基于交叉验证法优化参数的Morlet小波消噪方法。选择与机械冲击振动波形相似的Morlet小波,对Morlet母小波进行改进,增加了波形调整参数。通过交叉验证方法设计了改进Morlet小波的波形参数和变换尺度。对信号进行连续小波变换(CWT),实现对含噪信号的滤波消噪。将该方法应用于齿轮故障检测中,对比2种传统的小波消噪方法,验证该方法能够提取出强噪声背景下的有效信号特征成分,具有较好的滤波消噪效果。     

基于稀疏算法的大型转子多工况轴心轨迹提纯

针对转子直接合成的轴心轨迹杂乱无章的问题,提出一种基于稀疏分解理论的故障特征频率提取算法(简称稀疏算法),该算法结合旋转机械的信号特征,采用余弦波模型构建过完备字典集,并采用匹配追踪算法求解稀疏系数。采用该算法对受高斯白噪声污染的仿真轴心轨迹进行提纯,得到和理想轴心轨迹几乎完全相同的结果,验证了算法的有效性。最后,将所提出的稀疏算法用于提纯大型滑动轴承试验台主轴升速过程中各工况下的轴心轨迹,成功识别了转子对应的故障类型,并结合动压润滑理论及主轴位置变化规律对故障原因进行了分析。     

基于虚拟仪器的机械转子轴心轨迹分析

转子轴心轨迹是判断机械转子运行状态和故障征兆的重要依据,文中研究了几种机械转子典型故障及其对应的频率和轴心轨迹特征,运用LabVIEW软件平台,开发出智能控件化虚拟式轴心轨迹测试分析系统,调用由VC 编写的动态链接库(DLL)函数实现对机械转子振动信号的采集.试验表明,转子轴心轨迹测试分析系统可实时显示轴心轨迹、轴心位置和两路相互垂直振动信号的波形和频谱,以此可以判断一些常见的旋转机械故障,计算出用来消除转子不平衡的平衡质量块的大小及坐标点位置.     

局域波法在转子轴心轨迹特征提取中的应用

为排除转子系统故障诊断中各种噪声干扰,提出基于局域波分解尺度滤波来提纯轴心轨迹的方法,并给出尺度滤波的滤波器表达式.局域波法将任何复杂信号分解成为有限数目的具有一定物理意义的基本模式分量(IMFs),每一个分量描述时变信号中不同频率和尺度范围的固有振动模式.通过对加噪信号的有效去噪,检验了尺度滤波的可行性.诊断实例说明,该方法可合理、有效地提取转子系统的故障特征.     

谐波小波及其时频剖面图在旋转机械诊断中的应用

分析了谐波小波的定义、特点,以及用谐波小波时频图、等高线图表示谐波波分解结果的方法。分析结果表明,这两种方法虽然可以直观表示信号的时频能量分布以及无噪声信号中的微弱奇异成分,但当信号中存在噪声时,用这些方法将难以检测信号的奇异性,因而它们在工程实际中几乎是没有用的。提出了谐波小波时频剖面图（Ｔｉｍｅ－Ｆｆｒｅｑｕｅｎｃｙ Ｐｒｏｆｉｌｅ Ｐｌｏｔ,即ＴＦＰＰ）方法,利用该方法可以检测含噪声信号的微     

基于小波包-神经网络故障诊断系统研究

建立了旋转机械故障诊断的神经网络模型，采用小波包分解方法提取特殊频段上的能量作为特征值为神经网络的输入模式，模型具有通用性。并且应用于旋转机械故障样本的识别计算，结果表明该方法在故障诊断中是有效的。     

一种新的小波包算法在机械故障诊断中的应用

小波变换由于其良好的时频特性,已广泛用于旋转机械、往复机械、齿轮、轴承等的状态监测和故障诊断中。它能将信号中不同的频率成分分解到互不重叠的频带上,为信号的信噪分离提供了有效途径。在此基础上,我们又引入了小波包分析,它能够为信号提供一种更加精细的分析方法,它能将频带进行多层次划分,对小波分析没有细分的高频部分进一步分解。本文提出了一种新的小波包算法,应用于工程中信号的噪声消除。     

Automatic Identification of Axis Orbit Based on Both Wavelet Moment Invariants and Neural Network

Axis orbit is an important characteristic to be used in the condition monitoring and diagnosis system of rotating machine. The wavelet moment has the invariant to the translation, scaling and rotation. A method, which uses a neural network based on Radial Basis Function (RBF) and wavelet moment invariants to identify the orbit of shaft cen-terline of rotating machine is discussed in this paper. The principle and its application procedure of the method are introduced in detail. It gives simulation results of automatic identification for three typical axis orbits. It is proved that the method is effective and practicable.     

一种基于小波变换的包络分析法

对机械故障中常见的调制信号,包络分析法是一种有效的分析方法,为克服当前的包络分析法需要选择合适的滤波器参数的局性性,提出了一种基于小波变换的包络分析方法,运用小波包将调制信号分解到不同频率段上,提取需要的频率段成分进行重构,对重构后的信号作络细化谱分析就能有效地从原始信号中提取调制信息,仿真信号和实际动用都表明该方法能有效地提取信号的故障特征。     

一种高速轧机故障检测系统

根据小波分析的思想，构造一种新型机械设备故障诊断装置，使得机械故障的诊断结果更加准确，较详细地介绍该系统的结构及关键部件.实际中的良好效果和较大的经济效益验证了这种装置的有效性。     

旋转机械转轴裂纹损伤故障研究进展

综述了近年来旋转机械转轴裂纹损伤故障诊断研究的主要成果和发展前景。首先,对旋转机械转子系统转轴裂纹损伤非线性特性的研究方法、裂纹刚度模型和非线性动力学特性问题的国内外研究现状进行了概述。在此基础上,指出了目前旋转机械转轴裂纹损伤故障问题研究尚待解决的问题,并对今后的发展趋势进行了展望。     

基于小波分析和Kohonen神经网络的滚动轴承故障分析

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...     

基于EEMD的奇异谱熵在旋转机械故障诊断中的应用

针对旋转机械振动信号的非平稳、非线性等特点,提出一种基于集合经验模式分解(EEMD)的奇异谱熵信号分析及故障诊断方法.该方法利用EEMD有效抑制模式混叠现象的优点,首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF),然后将各阶IMF分量构成一个特征模式矩阵,并对该特征模式矩阵求奇异谱熵值.奇异谱墒值的大...     

Research on fault diagnosis method of piston rod based on harmonic wavelet and manifold learning

As the core part of reciprocating compressor,piston rod is easy to cause a serious accident when abrasion and breakage fault occur to it. Therefore,it is very important to monitor its running state. At present,a small number of reciprocating compressors have been installed on-line monitoring and diagnosis system,most of which can only monitor a single vertical subsidence of piston rod and it can't fully represent the running state of piston rod. Therefore,a method of monitoring the vertical and horizontal displacement of piston rod axis orbit is simultaneously used. In view of the characteristics that the piston rod axis orbit is disordered and difficult to extract features,purification of the axis orbit is carried out based on harmonic wavelet and then features are extracted such as vibration energy,natural frequency and the axis orbit envelope area. After that,a nonlinear local tangent space manifold learning algorithm is used to reduce the dimension of the features and obtain sensitive features. By analyzing the practical cases,the effectiveness of the method for fault monitoring and diagnosis of reciprocating compressor piston rod assembly has been verified. Finally,as BP neural network has the characteristics of solving complex nonlinear problems,the validity of the fault diagnosis method of reciprocating compressor piston rod based on harmonic wavelet and manifold learning is proved by actual case data analysis based on BP neural network.