希尔伯特变换解调分析在故障诊断中应用的局限性研究

在机械设备,特别是具有齿轮、滚动轴承的机械设备故障诊断中,广泛使用解调方法分析诊断故障．目前使用的希尔伯特（Ｈｉｌｂｅｒｔ）变换解调方法,特别是宽带解调方法,不但对包含故障信息的时域相乘信号解出调制信号,而且对两时域相加信号,也以频率之差作为调制信号解出;当采用带通滤波来克服这种局限性．并用细化分析来提高解调分析的频率精度时,由于算法的影响会出现调制频率的高次谐波分发生频率混叠而反折到低频部分的混频现象．不论是哪一种情况都会在解调谱上出现引起误诊断或无法分析的频率成分．     

FD-PFM光纤载波传输系统中信噪比理论推导

本文讨论了利用光纤传输大通路载波信号的调制方式。经研究在接收端的解调以前采用SWFM方式,然后再将SWFM信号经倍频变换成PFM信号的调制方式较为有利。并着重讨论了倍频—脉冲频率调制的信噪比公式,得出有3dB解调增益的结论。     

解调分析在机械设备故障诊断中应用的三个局限性研究

在具有齿轮、滚动轴承的机械设备故障诊断中,广泛使用解调方法分析诊断故障．从理论上分析．现有的解调分析方法存在的三个局限性：将不包括调制信息（故障信息）的两时域相加信号,也以其频率之差作为解调信号而解出;广义检波滤波解调分析中,由于取绝对值或检波过程可能产生混频效应;几种细化解调分析算法中,无法在细化分析的选抽时进行数字低通滤波,有可能会出现调制频率的高次谐波发生频率混叠而反折到低频部分的现象,提出了基于复解析带通滤波器的优化希尔伯特变换解调方法,将解调分析频率与滤波带宽建立严格的数学关系,可以克服三个局限性,将带通滤波、希尔伯特变换及选抽合为一体．运算速度快,是最佳的解调分析方法．     

机车故障诊断的局域均值分解解调方法

为了有效地识别机车走行部的早期故障,提高我国重载机车的运输能力,提出了一种针对机车故障振动信号的局域均值分解(LMD)解调诊断方法.LMD能够将多分量的调制信号自适应地分解成一系列乘积函数分量,分解与解调过程可同步完成.与Hilbert-Huang变换相比,LMD方法不需要通过Hilbert变换求解瞬时频率,从而避免了Hilbert变换加窗效应所带来的解调误差.由于不受Bedrosian和Nuttall定理的限制,不会出现负频率现象,通过滑动平均方法得到信号的局域均值和包络,因此不存在过包络、欠包络和断点效应.通过对实际机车走行部轴承和齿轮振动信号的分析,成功地提取了故障特征,与经验模式分解进行比较的结果说明,采用LMD方法提取尽可能多的有意义的调制分量,不仅避免了Hilbert变换加窗效应所带来的解调误差,而且更适合于多分量调制信号的处理.     

平方解调分析原理及在机械信号故障诊断中的应用

在具有齿轮、滚动轴承等设备的机械故障诊断中 ,广义检波滤波解调分析是非常有用的工具 .广义检波滤波解调分析具有高通绝对值分析、检波滤波和平方分析三种算法 ,这三种算法在原理上是基本一致的 ,都能解出包含故障信息的调制频率 ,解相加信号时都以两信号频率之差 (不包含故障信息 )作为调制频率解出 ,采样频率不满足一定的条件时都存在着混频效应 ,在解调谱中表现为不宜区分的频率成分 .本文重点介绍了平方解调方法的原理、局限性及其在实际中的应用 .在理论上分析了其局限性 ,从根本上避免了工程故障诊断在此方面的误诊断 .     

基于改进的EMD方法和能量算子解调法的齿轮故障诊断

针对齿轮发生故障时其振动信号常常带有非平稳性和调制的特点,提出了基于改进的EMD分解和能量算子解调的故障诊断方法。首先对故障信号进行EMD分解,得到一族IMF分量;然后对各分量进行基于能量原理的虚假模态消除;最后对新得到的一族IMF进行能量算子解调,得到其频谱,实现了齿轮故障的识别与诊断。分析结果表明,EMD与能量算子解调相结合的分析方法在齿轮故障诊断中具有有效性。     

齿轮信号特征识别的谱相关密度分析

针对齿轮初期故障以调频形式表现且包络解调仅能够解调幅的现状,以一般调制信号为模型,引入解析思想,对各类型调制信号进行二阶循环平稳分析,理论推导了各自的分析结果,给出了调制信号谱相关密度分析的统一构架,证明了解析形式的谱相关密度同时提取调幅、调频特征的能力.仿真分析和齿轮故障实例验证了该分析方法对于调制特征的提取能力,表明该方法能够准确反映齿轮振动信号调制特征的变化,适用于齿轮初期故障的监测和识别.     

变速重载设备齿轮箱轴承故障的改进阶次包络分析方法

针对变速重载设备振动信号中轴承故障特征提取时易受齿轮振动干扰的问题,提出了一种融合齿轮和轴承参数信息的改进阶次包络分析方法。先利用设备转速信息,对原始振动信号进行插值重采样处理,将非平稳时域信号转化为平稳角域信号;再利用齿轮齿数和轴承故障特征系数信息,采用以齿轮啮合频率及其谐波为中心频率,以轴承最大故障特征系数的倍频为带宽的阶次域频带分割方法,计算频带能量并排序,选择能量较大的频带作为解调频带进行滤波;最后利用Hilbert解调方法对上述滤波后的信号进行阶次包络平均处理,最终实现轴承故障的识别和诊断。通过齿轮啮合动力学分析,解释了轴承故障冲击成分对齿轮频带的调制作用,实际应用结果表明:提出的方法在频带选择时融合了和故障相关的设备参数信息,所选频带的可解释性强,且综合利用了与故障相关的多段频谱结构信息,通过阶次包络平均处理进行解调谱特征融合,提高了诊断结果的鲁棒性和准确度,为变速重载设备轴承故障预测和诊断提供了一种新的方法。     

频率调制解调的时域分析及在MATLAB7中的实验仿真

从时域的角度对正弦信号频率调制和解调进行了分析，在MATLAB7里分别对信号调制前后和已调波解调后的电压波形进行了实验仿真，仿真结果表明了分析的正确性。     

频率调制解调的时域分析及在MATLAB7中的实验仿真

从时域的角度对正弦信号频率调制和解调进行了分析,在MATLAB7里分别对信号调制前后和已调波解调后的电压波形进行了实验仿真,仿真结果表明了分析的正确性.     

广义变分模式分解降噪在齿轮早期故障诊断中的应用

针对齿轮早期故障特征的微弱性和耦合性,本文提出广义变分模式分解(generalized variational mode decomposition, GVMD)-峭度-包络谱法诊断齿轮故障。首先利用GVMD的频域多尺度定频分解属性,根据齿轮故障频谱信息和信号特点设置GVMD主要参数,按需分解信号,准确获取微弱特征分量,避免VMD对微弱特征提取存在的不足和小波包变换能量泄漏引起的微弱特征混淆问题。然后结合峭度准则和齿轮故障频率信息选择故障冲击分量,融合更多故障信息重构降噪信号。最后对降噪信号进行包络解调分析,实现齿轮故障诊断。实际信号分析表明,由于GVMD能够按需获取微弱特征分量,本文所提方法能够获得更丰富的微弱故障信息准确识别齿轮早期故障位置。     

GFRP层压板脱黏缺陷的红外脉冲热波成像检测

针对玻璃纤维增强塑料层压板脱黏缺陷的红外无损检测问题,首先制备了一种人工脱黏缺陷试样,采用红外脉冲热波成像检测技术对脱黏缺陷进行检测,分析了层压板脱黏区和非脱黏区的表面热信号瞬态响应过程,以图像信噪比和标准化对比度作为评价指标,定量对比了热信号重构、复调制Zoom-FFT、改进的独立分量分析和主分量分析4种热图重构算法...     

迭代广义短时Fourier变换在行星齿轮箱故障诊断中的应用

短时Fourier变换(STFT)在分析非平稳信号的过程中,受调制系数的影响,时频分布图中的能量扩散至主导频率的周围,降低了时频分布的可读性.运用STFT分析瞬时频率缓变或恒定的信号时,调制系数的影响较小甚至可以忽略不计,而得到能量聚集程度很高的时频分布.根据这一特点,提出了迭代广义短时Fourier变换(IG-STFT),该方法有效改善了时频图的可读性.首先运用迭代广义解调分离出频率恒定的单分量成分,然后运用STFT分析信号的时频分布,最后依据STFT的分析结果和相位函数得到原信号的时频分布.通过行星齿轮箱仿真信号和实验信号分析,验证了该方法在分析非平稳信号中的有效性,准确诊断了齿轮故障.     

Hilbert能量谱及其在齿轮故障诊断中的应用

将Hilbert—Huang变换引入齿轮故障诊断，提出了局部Hilbert能量谱的概念，同时建立了一种基于Hilbert—Huang变换的齿轮故障诊断方法：Hilbert能量谱方法。该方法首先采用EMD方法将齿轮故障振动信号分解为若干个固有模态函数(Intrinsic Mode Function，简称IMF)之和，然后选择包含故障信息的IMF分量进行Hilbeft变换得到局部Hilbert能量谱。在局部瞬时能量图中可以发现，齿轮故障振动信号具有明显的冲击特征，从而可进一步对齿轮故障进行诊断。     

倒频谱分析在齿轮故障诊断中的应用

齿轮传动的动态性能和许多因素有关,情况是非常复杂的.本文分析了齿轮传动的频率特性和它所产生的频率和幅值调制信号.利用倒频谱技术可以区分齿轮箱中不同转速的齿轮所产生的振动信号;同时倒频谱不会受信号传递通道和相位所影响.因此倒频谱是分析齿轮缺陷的有效工具.本文并介绍了作者研制的倒频谱分析软件.     

振幅调制-非线性调频信号测量声场的脉冲响应

提出采用振幅调制-非线性调频（AM-NLFM）信号测量声场的脉冲响应，AM—NLFM信号基于相位驻留原理的调制方法．该信号在测量声场脉冲响应时，具有良好的抗系统非线性失真和时变影响的能力，可以降低非周期傅里叶变换时的频谱泄漏，且可以根据任意频谱调制而能保持很低的波峰因数．实测表明该信号可以有效提高脉冲响应测量的速度与精度．该信号也可用于电声系统传递函数的测量中．     

基于声信号分析的齿轮故障诊断方法

为了解决齿轮故障诊断中传统的声振信号分析方法容易受到周围设备及环境噪声干扰的问题,提出了一种独立分量分析和自相关分析相结合的齿轮故障诊断方法.首先用独立分量分析分离特征信号和干扰信号,然后用自相关分析提取特征信号中的周期成分.实验结果表明,该方法可以有效地提取在强背景噪声干扰下的齿轮故障特征.     

NLMS算法在轨道电路信号解调中的应用

针对目前轨道电路FSK信号解调中传统解调方法解调精度不足的问题,在对自适应滤波理论研究的基础上,提出采用基于NLMS算法的自适应滤波模块,利用传统频谱分析法得出轨道电路FSK信号的载频信息作为自适应滤波模块的期望信号,通过提取其中一个载频分量从而还原调制方波,经过计算后得出调制频率,实现信号的解调。仿真结果证明NLMS算法不仅实现了轨道电路FSK信号高精度的解调,并且解决了传统LMS算法在轨道电路FSK信号解调中收敛速度慢的缺陷,具有良好的抗噪性能。     

基于扩展卡尔曼滤波和希尔伯特-黄变换瞬时频率的齿轮啮合刚度辨识算法

齿轮副是传动系统中的重要部件,齿轮在啮合过程中会出现单、双齿交替参与啮合的情况,造成齿轮啮合刚度周期变化,引起系统振动.齿轮的啮合刚度与齿轮的状态有关,当齿轮出现故障时,齿轮啮合刚度会发生变化,因此通过监测齿轮的啮合刚度就能够估计齿轮副的工作状态.根据齿轮副的动力学模型建立齿轮啮合刚度的离散辨识模型,提出基于扩展卡尔曼滤波器和希尔伯特-黄变换瞬时频率,利用振动信号对齿轮啮合刚度进行估计的动态辨识算法.仿真和实测结果表明,所提出的方法能够跟踪辨识齿轮的啮合刚度,具有较高的辨识精度.     

基于频谱相关性分析的齿轮早期磨损诊断

基于振动分析的齿轮故障检测已被证明在故障识别中是有效的,但对表征早期磨损的振动信号的提取和识别仍没有得到很好的解决.本文提出一种基于频谱相关性分析的变分模态分解(VMD)和核支持向量机(SVM)相结合的齿轮早期磨损诊断方法,对能够揭示早期磨损状态的微弱齿轮振动信号采用近似完全重构的准则来初始化模式数,并采用信号功率谱密度最大值对应的频率初始化VMD方法的中心频率,用以有效提取齿轮磨损信息,进而结合核支持向量机进行齿轮的早期磨损诊断.实验结果表明,所提方法可有效克服背景噪声大无法预设模式数的问题,对噪声具有更好的鲁棒性,诊断准确率达到94.4%,可为齿轮早期磨损检测提供解决方法.