【摘 要】
：
传统的基于EMD的轴承故障诊断存在模式混淆、端点效应等问题.为此提出一种基于VMD的时频分析方法提取滚动轴承故障特征.该方法利用VMD将信号分解成一系列有限带宽的本征模态函数(BLIMFs),通过对各个本征模态函数进行Hilbert变换,得到瞬时频率和VMD时频谱,有效的提取出信号的时频信息,诊断出轴承故障.通过仿真试验以及轴承故障诊断的工程实例,验证了该方法的有效性.
【机 构】
：
桂林电子科技大学机电工程学院,广西桂林541004
【出 处】
：
2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016
论文部分内容阅读
传统的基于EMD的轴承故障诊断存在模式混淆、端点效应等问题.为此提出一种基于VMD的时频分析方法提取滚动轴承故障特征.该方法利用VMD将信号分解成一系列有限带宽的本征模态函数(BLIMFs),通过对各个本征模态函数进行Hilbert变换,得到瞬时频率和VMD时频谱,有效的提取出信号的时频信息,诊断出轴承故障.通过仿真试验以及轴承故障诊断的工程实例,验证了该方法的有效性.
其他文献
针对现有故障诊断大多基于信号处理方法的现状,提出一种基于判别性卷积神经网络的智能特征学习方法并用于感应电机故障诊断.首先利用BP神经网络从已知故障类型的电机振动信号中学习卷积层滤波器权值,使之能够获取具判别性的特征信息.然后构建一个三层卷积神经网络,利用其具有局部连接和保持特征不变性的特点,用配置好权值的滤波器在非监督模式下卷积学习振动信号中所隐含的具判别性的特征信息.最后将学习到的特征加上其标签
当齿轮发生故障时,时变啮合刚度的变化是引起振动响应变化的主要因素,因此啮合刚度的计算对于齿轮故障机理的研究具有重要的意义.然而,目前各种啮合刚度的计算方法都有各自的缺陷,而且没有有效的验证方法.本文基于采用现代测试和优化方法,提出一种齿轮啮合刚度反求计算方法,通过构建齿根动态应力与时变啮合刚度反问题模型,对齿轮啮合刚度进行反求.与其它方法的对比结果表明了方法的有效性,可为齿轮故障机理的研究提供有效
为r准确地提取滚动轴承故障特征,提出了基于变分模式分解和包络分析的滚动轴承故障诊断方法.首先通过变分模式分解将含有复杂背景噪声的多分量信号自适应地分解为一系列本质模式函数;然后利用提出的加权后的相关系数及峭度值作为各本质模式函数的评价指标,优选出富含故障信息的本质模式函数作为敏感分量;最后通过分析敏感分量的包络谱诊断滚动轴承故障.滚动轴承实验信号分析结果表明,该方法不仅可以削弱背景噪声的影响,而且
生成微分方程(GDE)是基于结构特性的一种信号描述方法,可以通过信号的各阶微分函数的非线性组合运算,估计调制信号的幅值包络和频率等信息.针对滚动轴承的故障振动特点,由于生成微分方程方法需信号满足单分量要求,所以先用经验模态分解将信号分解成本质模函数,应用生成微分方程方法计算幅值包络,选择敏感分量通过幅值包络的Fourier频谱提取滚动轴承的故障特征频率.结合滚动轴承的试验振动信号,通过与Hilbe
直齿轮的故障程度大小直接影响其啮合刚度,时变啮合刚度的变化会引起齿轮振动信号的变化,因此建立故障程度、啮合刚度与响应特征之间的映射关系对于齿轮故障机理研究具有重要意义.为了研究啮合刚度与动力学响应特征之间的映射关系,分别计算齿轮在不同裂纹程度下的啮合刚度,并建立6自由度的齿轮传动系统非线性动力学方程,进一步提取齿轮不同裂纹程度下振动信号的故障特征.分别采用神经网络、支持向量机、非线性回归三类预测方
对固定检测器反面选择算法进行了综述,首先回顾了固定检测器反面选择算法的产生与发展,然后以Iris数据集为例进行分析,与其它异常检测方法相比,结果显示,多数情况下,固定检测器反面选择算法具有更好检测性能.基于固定检测器反面选择算法的设备异常度检测方法,是在学习设备正常运行数据的基础上,达到异常检测的目的,不需要设备运行的故障数据,它适合对故障数据缺乏的设备进行有效的异常检测.
旋转机械复杂的工作环境使得设备的在线监测成为必需.但信号的香农采样定理要求采样频率必须大于信号中最高频率的两倍,不仅导致采集的信号冗余度很大,而且给信号的采集和存储带来了很大的压力.压缩感知理论的提出使得这一问题的解决成为可能,它利用信号的稀疏性,可以通过较低的采样频率实现信号重构.然而,压缩感知理论中稀疏度的准确估计仍然是有待解决的问题.采用奇异值分解算法,在奇异值分解系数近似服从正态分布的假设
齿轮箱作为大型机电设备的重要传动装置,故障频发.而由于其复杂的内部结构与恶劣运行环境的影响,有效振动信息被噪声淹没.因此,针对强背景噪声下齿轮故障特征的提取问题,提出了一种基于自适应级联增强随机共振的齿轮故障特征提取方法.该方法利用级联随机共振系统对信号的重复"消噪"能力,提高信号微弱特征的提取精度;选用共振系统响应的相关峭度构造遗传算法的适应度函数,利用其对周期性冲击分量良好的定量刻画能力实现系
针对经验模态分解(Empirical Mode Decomposition,EMD)中的端点效应问题,在研究和总结了现有端点效应处理方法的基础上,提出了一种抑制端点效应的新方法——基于支持向量机(SVM)延拓和窗函数相结合的方法,该方法弥补了SVM延拓依然找不到端点以及窗函数会改变原始信号的缺点.首先SVM对原始信号两端进行延拓,然后对延拓后的数据中间加矩形窗,延拓数据加海明窗处理,对加窗后的数据
在实际的工程应用当中,轴承某一元件表面出现局部损伤时产生的周期性脉冲信号通常包含强烈的噪声干扰.为了更有效的提取轴承故障特征,提出了基于非局部均值的振动信号降噪方法,并与小波阀值去噪、平移不变量小波和第二代小波的去噪效果对比,结果表明其可以应用到振动信号处理当中并且在去噪的同时可以保护较小的冲击信号不被滤除.通过对滚动轴承外圈表面的损伤产生的振动信号进行故障特征提取,验证该方法是可行有效的.