共查询到10条相似文献，搜索用时 156 毫秒
1.
针对航空发动机转子系统的常见故障,利用经验模态分解方法对故障信号进行分解,得到有效的模态分量,对其进行Hilbert变换,得到含有频率-振幅-时间的Hilbert谱图,并利用航空发动机转子模拟实验器的实验数据对该方法进行了验证,取得了较好的效果。 相似文献
2.
《东南大学学报》2021,(1)
针对傅里叶分解对噪声敏感且存在模态混叠导致无法准确提取齿轮箱故障特征的问题,提出了一种复合字典降噪与优化傅里叶分解相结合的齿轮箱故障特征提取方法.首先,根据齿轮箱信号特点构造复合字典,结合正交匹配追踪算法降低振动信号中的噪声;其次,针对傅里叶分解过程中的模态混叠现象,提出了利用频谱的极值点划分频带的方法对其进行优化,提高分解质量;再次,使用优化的傅里叶分解将信号分解为若干个傅里叶本征模态分量;最后,选择与降噪后信号相关系数最大的傅里叶本征模态分量进行包络谱分析.该方法可以准确提取振动信号的故障特征频率.通过对齿轮箱故障仿真信号和实验齿轮箱振动信号进行分析,验证了该方法的有效性. 相似文献
3.
轴承作为工业中旋转机械中的重要部件,其故障将严重影响机械设备的安全运行.为了实现对轴承运行故障状态的有效诊断,提出了一种基于经验模态分解(empirical mode decomposition,EMD)提取的多特征参数的关联向量机的(Relevance vector machine,RVM)的滚动轴承的多故障诊断模型.首先运用经验模态分解的方法将轴承振动信号分解为多个固有的模态分量,之后将提取的表征轴承故障特征的IMF分量的能量、峭度、偏度构造特征向量,最后采用关联向量机多分类故障诊断模型进行故障模式识别.轴承实测振动信号分析表明:该方法能够有效、准确地诊断出轴承的故障状态,具有较高故障诊断准确率. 相似文献
4.
《东南大学学报》2019,(4)
为了提高滚动轴承性能退化评估中退化指标的早期故障敏感性和稳定性,提出了一种基于嵌入选择的邻域保持嵌入(ESNPE)方法.首先,采用变分模态分解(VMD)对获得的振动信号进行分解,提取各本征模态分量的奇异值和相对能量等组成高维故障特征集.然后,采用NPE流行学习方法提取特征空间内的嵌入特征.针对传统NPE存在有效嵌入信息容易被抑制的问题,构建了一种基于Spearman相关系数的嵌入选择策略.该策略通过相关系数的大小衡量嵌入特征的有效性,并通过一阶差分的方法在轴承退化的早期阶段确定并保留有效嵌入特征.最后,采用支持向量数据描述(SVDD)模型构建性能退化指标,实现轴承性能退化评估.使用轴承全寿命退化实验数据,并与传统的主成分分析(PCA)方法和NPE方法特征提取分析结果进行对比,验证了所提方法在提升退化指标早期故障敏感性和稳定性方面具有优越性. 相似文献
5.
《东南大学学报》2021,(1)
为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和背景噪声的干扰,提出了一种基于倒谱编辑信号预白化和辛几何模态分解数量规律的轴承故障特征提取方法.首先,对原始信号进行倒谱预白化来增强轴承故障的冲击特性,去除复杂振动信号中的周期性频率成分,产生只包含背景噪声和损伤引起的非平稳冲击成分的白化信号.其次,发现了辛几何模态分解中哈密顿矩阵的有效特征值数目与信号中的频率个数成2倍的数量规律,并通过仿真和理论推导验证了该数量规律.最后,构造预白化信号的轨迹矩阵,进行辛几何模态分解,根据发现的数量规律,选择相应的特征向量重构信号,进行希尔伯特包络谱分析,并提取故障特征.通过仿真分析和应用实例证明,所提方法可以清晰地提取轴承的故障特征. 相似文献
6.
针对滚动轴承早期故障信号微弱、背景噪声强、故障特征难以提取的特点,提出一种基于包络谱灰色关联度改进的经验模态分解（Empirical Mode Decomposition,EMD）特征提取方法。首先,用EMD将原始振动信号分解成若干本征模函数（intrinsic mode function,IMF）分量,计算原始信号及分解后各阶IMF分量的包络谱;然后,用灰色关联度分析计算原始信号包络谱与IMF分量包络谱之间的关联度,以包络谱关联度大小筛选IMF分量进行加权;最后,对加权的IMF分量计算能量、峭度、偏度形成特征集,通过主元分析(Principal Component Analysis,PCA)降维后输入概率神经网络（Probabilistic Neural Network,PNN）进行故障状态识别。该方法利用包络谱灰色关联度有针对性地筛选出对故障特征敏感的IMF分量,相比于单纯利用线性关系大小筛选IMF分量的相关性分析更具针对性。对滚动轴承4种故障状态早期故障信号进行识别,准确率为97.5%,表明该方法是有效的。 相似文献
7.
目的：齿轮箱的振动信号频谱结构比较复杂,难以提取其故障特征频率。傅里叶分解方法可以将振动信号分解为多个单分量信号,利用共振频率筛选出最优分量并进行包络解调,识别特征频率以实现故障诊断。创新点：1.为了求解共振频率,提出一种基于短时向量的最大奇异值比方法;2.将傅里叶分解方法引入到齿轮箱故障诊断中,并利用共振频率选择最优分量进行包络解调以提取故障特征频率。方法：1.分析奇异值比与冲击信号的关系,提出求解共振频率的最大奇异值比方法;2.对比最大奇异值比方法与谱峭度方法在求解共振频率方面的表现,从而验证最大奇异值比方法的有效性;3.对比分析所提方法与传统的总体经验模态分解（EEMD）和变分模态分解（VMD）方法在信号分解与故障特征提取方面的效果,并通过仿真和实验进行验证。结论：1.最大奇异值比方法能够准确计算出共振频率,比谱峭度方法求解的频率值更加精确;2.基于傅里叶分解方法和最大奇异值比的共振解调方法能够有效提取故障特征频率,其在故障诊断方面的表现优于EEMD和VMD方法。 相似文献
8.
转子叶轮-定子触碰故障的分析与辨识 总被引：1，自引：0，他引：1
基于航空涡轮发动机和工业透平机中的转子叶轮定子间触碰故障背景 ,以力学建模为指导搭建了两类简支型的转子定子触碰故障实验台架 ,考察了转子定子间正常无触碰、早期尖锐型轻微触碰、中期半尖锐型触碰、晚期平钝型触碰 4种状态时转子振动位移的时域轨迹 ,观测到了早期尖锐型轻微触碰时伴生的混沌现象 .采用FFT方法对上述 4种状态试验数据的频率结构作了分析 ,结果表明当出现三分频以下 (包括三分频 )的分频特征时可以初步判断叶片发生了早期触碰 ,而当转子振动位移的频谱图中仅存有两分频分量甚至轴频分量时 ,叶片 -转子间的触碰故障已相当严重了 . 相似文献
9.
10.
为提高隧道爆破信号分析精度,基于稳健经验模态分解和同步挤压小波变换理论开展研究。通过集成化振动监测方法,实时监测大跨度小净距隧道钻爆法施工中夹岩的动态响应特点。将采集爆破信号按照稳健经验模态分解为若干本征模态分量,求取得到各模态分量信号的Hilbert时频谱,结合时频谱特征和相关度、方差贡献率综合确定信号的优势分量,通过同步挤压小波变换重构优势分量进而得到优化后的爆破信号及频谱,精细化提取得到隧道爆破信号能量在时频域的分布特征。结果表明：组合分析方法对隧道爆破具有很强的适用性,可准确获得非线性、非平稳爆破信号的时频特征,实现爆破信号特征精细化特征提取过程。爆破引起的岩体损伤与爆破次数具有密切关系,应针对性地制定安全标准,保障大跨度隧道掘进安全。 相似文献