基于EEMD和单通道盲源分离的齿轮箱复合故障诊断研究

针对齿轮箱复合故障诊断中,多级传动相互干扰,微弱的轴承故障会被强烈的齿轮故障和噪声湮没而难以提取的问题,提出了基于EEMD和单通道盲源分离的齿轮箱复合故障诊断方法。首先利用单个加速度传感器采集齿轮箱振动信号,对采集的信号进行EEMD分解,根据峭度准则和相关系数重构IMF分量;然后应用盲源分离方法对重构的IMF分量进行求解,对分离的信号进行包络解调分析,确定出齿轮故障通道,轴承故障通道和噪声通道;最后对齿轮故障通道进行傅里叶变换,轴承故障通道进行基于谱峭度的共振解调分析,提取出信号的特征频率,完成齿轮箱的复合故障诊断。通过实验验证了该方法的有效性和可行性。     

基于改进峭度图法的滚动轴承故障诊断

针对在强烈背景噪声和随机脉冲干扰下滚动轴承故障信号难以提取的问题,提出了一种改进的峭度图方法进行滚动轴承的故障诊断。该方法先通过计算特定频带信号包络的功率谱幅值的峭度,再按照峭度最大原则确定最优解调频带,然后根据最优解调频带获得带通滤波后的解调信号,通过对解调信号进行频谱分析来识别滚动轴承的故障及其类型。通过仿真和试验两种方式,对比分析了改进峭度图法和快速峭度图法诊断滚动轴承故障的效果,验证了改进峭度图法的有效性。分析结果表明:改进峭度图法比快速峭度图法能够更加准确地确定共振频带,并且在强烈背景噪声干扰下也能准确识别轴承故障。     

基于EMD分解和共振解调的滚动轴承故障诊断研究

在介绍滚动轴承的故障机理的前提下,采用振动信号分析法对滚动轴承状态监测和故障诊断进行研究。通过LabVIEW编程,应用EMD分解和共振解调相结合的方法,对振动信号进行分析,获取有用故障特征,进而确定故障类型。     

基于共振解调的铁路货车轴承故障诊断

以铁路货车轴箱双列圆锥滚子轴承为研究对象,基于共振解调技术研究了早期故障精密诊断方法。首先在轮对跑合实验台上,采用压电加速度传感器、信号调理器和INV36DF型信号采集处理仪等搭建轴承故障测试系统,测量该类型轴承外圈和滚子存在轻微故障时的振动信号,然后通过带通滤波、包络解调和频谱分析等方法,准确提取出了轴承外圈和滚子的故障特征频率。研究结果表明,利用这种方法可以消除系统噪声干扰,能有效诊断出轴承外圈和滚子的轻微损伤。该方法对于铁路货车轴承的早期故障诊断具有较好的理论意义和实际应用价值。     

基于共振解调模拟电路的滚动轴承早期故障检测性能研究

共振解调模拟电路是滚动轴承故障诊断中最常用的技术之一,但是其故障检测性能的定量评价研究尚未见报导。因此,分别以正弦调制和脉冲调制所构造的故障轴承振动加速度信号为电路输入,定量分析了共振解调电路在不同信噪比条件下的故障检测性能,并研究了电路中的关键设计参数——带通滤波器品质因数Q的调制规律,为共振解调模拟电路在轴承早期故障检测的实际工程应用提供了可靠的科学依据。     

走行部故障实时监测及诊断系统的数字化实现方式

鉴于现有用硬件实现的模拟共振解调技术在走行部故障诊断中存在常规冲击信号的丢失、低频干扰信号的混入、AD采样频率不能覆盖故障信号和带通滤波中心频率及带宽不能动态调整等技术缺陷及瓶颈,提出了走行部故障诊断系统的数字化处理技术,并研制了走行部故障在线诊断系统。阐述了该技术的具体实现方案、关键技术以及技术优点。现场测试结果表明:以该方案研制的走行部在线故障系诊断系统是一种可靠有效的诊断系统,具有良好的市场推广价值。     

用于城市轨道交通车辆走行部故障的车载在线实时诊断与监测系统

介绍了用于城市轨道交通车辆走行部故障的车载在线实时诊断与监测系统的组成和原理。该系统基于广义共振和共振解调的故障诊断技术,实现了微弱机械故障冲击信息提取、广义共振变换,以及轴承、齿轮、踏面故障的精密诊断。针对城市轨道交通车辆走行部轴承保持架和构架裂纹故障的多发特点,分别提出了外孤谱与保持架经典谱联合立即决策及广义共振开闭冲击相对积函数识别2种监测方法。     

基于小波分析的齿轮箱故障诊断

通过对齿轮箱噪声机理进行研究,建立了相应的数学模型,提出了一种基于小波变换的故障诊断方法.其基本思想是:首先利用小波变换的多分辨率特性,滤除信号的随机噪声,并将提纯后的信号分解到不同的频区;通过对各频区信号进行比较与分析,选取能量集中、包含了调制成分的部分进行复小波变换,利用多尺度小波包络谱获得信号的包络信息;最后,结合傅里叶频谱,确定齿轮箱的故障原因.研究结果表明:该方法能有效识别出齿轮箱系统中轴和齿轮的缺陷,并能锁定故障发生位置、衡量故障程度.     

EEMD降噪和谱峭度法在铁路货车轴承故障诊断中的应用

针对铁路货车轴承结构复杂,早期微弱故障往往淹没于强烈的背景噪声中而难于提取的特性,提出了基于EEMD降噪和谱峭度法的共振解调技术。首先,将轮对跑合实验台上测得的振动信号进行EEMD分解;然后,根据峭度、标准相关系数选取包含故障信息较多且与原信号相关性较大的IMF分量,分别对每个IMF分量进行谱峭度分析,确定带通滤波器的最佳中心频率和带宽;最后,将滤波后的IMF分量重构并进行包络解调和频谱分析。通过对轴承内、外圈故障的实验研究,验证了该方法的有效性和可行性。该方法在铁路货车轴承早期故障诊断中具有较好的实际应用价值。     

基于循环脉冲谱的动车轴箱轴承故障诊断方法

针对动车轴箱轴承故障冲击的脉冲性与周期性,提出基于归一窗S变换时频切片的循环脉冲谱分析方法。采用能量归一化窗函数对故障轴承振动信号进行归一化窗S变换并建立其能量随频率的变化关系,根据能量峰值与峭度最大原则在故障冲击共振频率点处进行时频切片。引入可变循环窗对时频切片序列的周期脉冲进行分离;采用可变循环窗内整体脉冲峰值矩的变异系数对故障信号的循环脉冲度进行表征,得到故障信号循环脉冲谱。通过仿真与动车轴箱轴承故障诊断实例表明,提出的循环脉冲谱不仅能够在强噪声干扰下对轴承复合故障进行准确诊断,而且对故障冲击共振频带中心的选择具有较好的鲁棒性,避免了对故障冲击共振频带的滤波解调与复杂的高次循环统计分析的繁琐步骤,计算简单高效,具有较好的工程适用性。     

AM型随机共振模拟电路的滚动轴承微弱故障检测性能研究

随机共振理论广泛应用于信号检测中,尤其在滚动轴承微弱故障检测中极其重要。但是对滚动轴承微弱故障检测性能的定量评价问题未做深入研究。在传统随机共振理论的基础上设计了基于调幅(Amplitude Modulation,AM)信号的改进型双稳态随机共振电路,通过Multisim仿真验证了该电路不仅可以实现对大参数故障信号进行故障诊断,还可以有效地削弱直流量的影响,实现滚动轴承微弱故障信号的检测。除此之外,还分析了不同强度噪声对微弱故障检测的影响,以及输入参数变化对电路输出的影响规律,为随机共振电路在滚动轴承微弱故障检测的实际工程应用提供了可靠的科学依据。     

改进经验小波变换在滚动轴承故障特征提取中的应用

针对高速列车齿轮箱滚动轴承故障特征提取困难的情况,提出了基于改进经验小波变换(Empirical Wavelet Transform,EWT)的轴承故障诊断方法。首先,对轴承振动信号进行EWT变换得到多阶固有模态分量,通过计算峭度值筛选出包含故障信息的固有模态分量,采用经验小波逆变换的方式对筛选分量进行重构,最后计算Hilbert包络解调谱对重构信号进行分析。研究表明,结合EWT,峭度系数和经验小波逆变换的方法可以准确的提取轴承的故障特征,为轴承监测和维修提供准确信息。     

机车走行部滚动轴承故障的诊断

阐述了机车走行部滚动轴承的振动机理,分析了轴承故障产生的原因及表现。介绍了应用共振解调技术诊断滚动轴承故障的基本原理及故障判断方法,并列举了一起应用该技术的故障诊断实例。     

基于麦克风阵列的机车车辆转向架跑合试验的故障监测研究

针对目前机车车辆转向架跑合试验信息化和智能化程度较低,在试验过程中难以快速准确地实现轴承和齿轮箱故障诊断及故障定位的现状,将麦克风阵列技术应用于跑合试验中,可直接通过声信号实现故障诊断与故障定位。针对转向架常见的轴承内外圈故障进行故障模拟试验,对故障轴承产生的声信号进行采集分析,通过特定的数据处理方法得到信号包络谱,实现故障诊断;同时结合基于到达时延的定位算法确定故障轴承位置,实现故障定位。为满足现场需要,设计了1套便于麦克风阵列精确布局与灵活变换的阵列支架,通过模拟试验 验证了所述算法与阵列支架的可靠性和准确性。     

城市轨道交通车辆轴承故障诊断方法研究

基于谐波小波和加速度包络技术对轨道交通车辆滚动轴承的故障诊断方法进行研究。首先运用小波滤波对轴承的振动信号进行降噪;其次通过谐波小波包分解实现了对滚动轴承故障信号的特定频带选择;最后用加速度包络技术对分解后的信号进行包络解调,进行故障诊断。在轴承试验平台上对内圈故障轴承进行了试验,通过分析加速度包络谱,提取轴承故障特征频率,与理论值接近,验证了方法的有效性。     

基于高斯谐波小波的齿轮箱故障诊断

针对谐波小波在时域衰减速度慢的缺点,通过对时域表达式进行修改,得到频域光滑化的高斯谐波小波。在此基础上,提出基于高斯谐波小波变换的解调算法,并运用到齿轮箱故障诊断中。实验结果表明,高斯谐波小波能精确提取到包含调制信息的任意频段,能够为齿轮箱故障源的准确定位及故障程度的衡量提供可靠的判断依据。     

BSO-MCKD在高速列车齿轮箱轴承早期故障诊断中的应用

齿轮箱轴承是高速列车传动系统中的重要零件之一,其故障检测对保障列车的正常运行具有重要意义。针对强背景噪声环境下高速列车齿轮箱轴承早期故障信号微弱难以检测的问题以及最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)方法受滤波器阶数、冲击信号周期和移位数影响的问题,提出了基于天牛群优化算法(Beetle Swarm Optimization Algorithm,BSO)改进的自适应MCKD的轴承早期故障诊断方法。该方法首先采用天牛群优化算法自适应的确定MCKD的影响参数,实现最佳反褶积,然后利用最优参数相对应的MCKD对振动信号进行滤波处理,消除信号中的噪声,突出由轴承故障激发的连续脉冲,最后依据连续脉冲的周期来诊断轴承。根据轴承外圈和滚动体故障试验数据分析表明:该方法能实现高速列车齿轮箱轴承早期故障的精确诊断,且故障诊断效果优于互补经验模态分解方法和最小熵解卷积方法。     

基于SVD-MOMEDA的高速列车齿轮箱轴承故障诊断

针对强背景噪声环境下高速列车齿轮箱轴承故障信号难以检测的问题以及多点优化最小熵解卷积修正(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)方法受滤波器阶数、故障周期影响的问题,提出了基于奇异值分解(singular value decomposition, SVD)改进的MOMEDA的轴承故障诊断方法。首先采用SVD作为MOMEDA的前置滤波器滤除部分噪声,然后通过MOMEDA多点峭度谱追踪故障周期成分,采用变步长搜索法迭代求解MOMEDA滤波器最优阶数,最后利用最优参数相对应的MOMEDA增强信号中的周期性脉冲,并通过包络谱提取故障特征。仿真信号和试验数据分析表明:该方法能实现高速列车齿轮箱轴承故障的精确诊断,且故障诊断效果优于互补经验模态分解方法。     

基于AFD算法的滚动轴承故障诊断方法

基于自适应傅里叶分解(AFD)算法,将滚动轴承的振动信号分解为一系列单一分量信号并计算它们的峭度;将峭度由大到小顺序排列,自适应寻找峭度趋于稳定的拐点,对拐点前的单一分量信号求和并取包络作共振解调;根据解调得到的频谱判断滚动轴承是否发生故障及发生故障的部位。以N205EM型滚动轴承为例进行试验验证,结果表明:在不预先确定滤波频带,不出现无物理意义的"负频"情形下,能够准确有效地提取出比传统共振解调方法有更好频谱特征的滚动轴承故障信息,从而有效地诊断出滚动轴承的故障。     

基于EWT-SVD方法的高速列车滚动轴承故障诊断

针对高速列车齿轮箱滚动轴承早期故障特征提取困难的情况,提出了基于经验小波变换(Empirical WaveletTransform,EWT)和奇异值分解(Singularvaluedecomposition,SVD)的轴承故障诊断方法。首先对信号进行EWT变换得到各阶固有模态分量,然后计算各阶固有模态分量的峭度值并选取较大峭度值对应的分量。将选取的分量构造矩阵进行正交化奇异值分解,选择合适的阶数重构信号,最后对重构信号进行Hilbert包络解调分析。分别对仿真信号和滚动轴承发生外环故障进行分析,可以较为清晰地看到滚动轴承故障特征。研究结果表明,结合EWT、峭度系数和SVD的诊断方法可以准确、快速地提取轴承故障信息,从而可以对滚动轴承进行有效诊断。