基于加强谱峭度的航空发动机齿轮毂故障诊断

针对航空发动机减速器一级齿轮毂故障诊断问题,提出了一种基于小波包和CHI-LMD(三次Hermite插值-局部均值分解)的加强谱峭度的故障诊断方法。在用AR(自回归)参数模型对原始信号进行降噪后,首先采用小波包对信号进行分解,并结合谱峭度找出特征频带,继而用CHI-LMD对特征频带进行再分解获得若干PF分量,最后对获得的PF分量计算谱峭度作为故障识别参数。利用此方法对10组待识别信号的诊断结果表明,该方法能有效识别减速器一级齿轮毂故障,在不拆卸发动机的情况下实现了对目标的诊断。     

多自由度非高斯随机振动控制

在振动试验台上进行多自由度(MDOF)随机振动激励时,传统的控制方法生成的驱动信号及试验台的响应信号都是高斯信号。但真实的振动干扰信号多是超高斯的;而相比于高斯激励,亚高斯激励可降低驱动信号的最大幅值。为实现多自由度亚高斯和超高斯振动控制,提出一种多自由度非高斯随机振动控制方法,该方法采用系统辨识解决系统耦合问题,而后通过选择特殊的相位生成非高斯伪随机驱动信号,再经过时域随机化得到真随机非高斯驱动信号。基于Hexapod平台的多自由度微振动试验台的亚高斯和超高斯实验表明,在试验台的响应功率谱(PSD)满足工程中常用的±3dB精度的同时,亚高斯驱动信号的最大幅值相比于高斯驱动信号的最大幅值降低了20%以上;超高斯响应信号的峭度与参考峭度的误差在0.2之内。实验结果验证了所提方法的有效性。     

基于Birge-Massart阈值降噪与EEMD及谱峭度的滚动轴承故障特征提取

针对传统共振解调方法易受噪声干扰导致故障特征提取效果不佳的问题,提出了一种基于Birge-Massart策略的阈值降噪与集成经验模态分解(EEMD)和快速谱峭度算法相结合的滚动轴承故障特征提取方法。对原始故障信号进行EEMD并采用峭度准则筛选出含有故障信息的本征模态函数(IMF)分量;采用Birge-Massart策略和快速谱峭度对故障信号进行滤波降噪;对滤波后信号进行Hilbert包络解调,提取轴承故障特征。采用该方法分别对仿真信号和实验信号进行特征提取,结果表明该方法可以有效提高故障信号信噪比,清晰准确地获取轴承内、外圈故障的频率特征。利用峭度因子准则筛选IMF分量能有效保留原始故障信号中的冲击特征，去除无关IMF分量的影响。      

滚动轴承故障诊断的品质因子可调小波重构方法

针对轴承早期故障诊断困难的问题,提出了基于信号共振稀疏分解与品质因子可调小波重构的滚动轴承故障诊断方法.该诊断方法首先对轴承故障信号进行共振稀疏分解获得高共振分量和低共振分量;然后对低共振分量进行品质因子可调小波重构,并结合峭度分析,筛选出最佳分析信号;最后对最佳分析信号进行希尔伯特解调分析,从而提取滚动轴承故障特征信息.通过对仿真信号和实际故障信号进行分析,该方法能有效提取轴承故障信号中的冲击成分,凸显故障特征.      

基于峰值保持降采样算法的中介轴承故障声发射数据缩减技术

针对声发射信号数据量大、分析和保存困难的缺点,提出一种峰值保持降采样(PHDS)和谱峭度(SK)算法相结合的声发射信号数据缩减技术。采用双转子试验台开展中介轴承外圈故障模拟实验并采集声发射信号。同时,建立动力学模型对外圈故障进行数值仿真。利用PHDS-SK技术对实验和仿真结果进行数据缩减。结果表明:实验和仿真信号数据量分别缩减为原始数据的1/1250和1/400,故障信号数据缩减的同时保留了中介轴承外圈故障的周期冲击特征,并在缩减后的信号中准确提取出中介轴承外圈故障频率。     

多通道相关-自适应轴承故障诊断方法

提出了多通道相关-自适应共振解调(MCC-ARD)方法 ,该方法使用冗余信号源采集故障信息,并利用谱峭度(SK)优化经验模态分解(EMD)的分解效率,根据互相关系数更加合理地选择本征模态函数(IMF)分量完成重构,对重构IMF进行包络解调,实现对滚动轴承的故障诊断。通过对多通道相关-自适应共振解调方法的实测数据分析,结果表明:该方法不仅克服了单一信号源系统修正能力差的缺陷,而且相频谱辨识率为传统EMD结合谱峭度共振解调方法的2.7倍,对滚动轴承故障的诊断结果更加清晰、准确。     

基于峭度熵与分层极限学习机的动量轮轴承故障诊断研究

动量轮是卫星姿态控制系统的关键部件，其可靠性直接关系到整星寿命与安全。作为动量轮的核心组件，轴承易于发生故障，且独特结构和复杂运行环境导致监测信号信噪比低，早期故障诊断困难。针对这种情况，对变分模态分解和峭度熵结合的特征提取方法进行研究，获得动量轮轴承监测信号中的微弱故障特征，并建立特征向量。引入分层极限学习机，对结构和编码方法进行优化后用于轴承故障的识别。最后，将提出的方法用于实际故障的诊断，并通过与传统ELM方法比较，得出提出的方法在动量轮轴承故障诊断中具有更高的诊断精度，达到98.5%。     

一种基于连续小波变换的滚动轴承早期故障诊断新方法

滚动轴承早期失效阶段,特征信号微弱,并且受传递路径衰减及环境噪声影响,故障识别相对困难。针对这一问题,提出一种基于连续小波变换的轴承早期故障诊断方法。对原始信号进行连续小波变换,利用不同尺度小波系数进行信号重构,从而得到相应尺度下的信号分量,为了获取包含尽可能多的故障信息的信号分量,以峭度为指导标准对重构信号分量做合并处理,并利用相关系数准则剔除冗余信号分量,从保留信号分量中筛选出峭度值最大的分量,将其作为最佳分量用于进一步包络解调运算,通过分析包络谱判断轴承的故障类型。利用所述方法处理轴承早期故障仿真及实测信号,均成功提取出微弱特征信息,由此表明该方法可实现滚动轴承早期故障的精确诊断。     

基于逆系统方法的多输入多输出非高斯驱动信号生成

多输入多输出(MIMO)振动环境试验是振动试验的新方法,该方法比传统的单输入单输出(SISO)方法更真实地模拟了结构在实际工作下的振动环境。传统随机振动试验的频域方法所模拟的是平稳高斯信号,但是实际振动环境往往是超高斯的,且超高斯激励和高斯激励对结构的损害差异很大,因此对MIMO超高斯振动环境试验的研究十分重要。驱动信号的产生是振动环境试验的关键。提出一种基于逆系统的MIMO超高斯驱动信号生成方法。首先,根据给定的响应参考功率谱密度(PSD)和参考峭度值采用相位调节法生成参考响应超高斯伪随机信号;其次,利用逆系统方法生成超高斯伪随机驱动信号;最后,对伪随机驱动信号进行时域随机化处理得到超高斯真随机驱动信号。对一根两输入两输出的悬臂梁模型进行了仿真验证,结果表明,采用本文方法所得到的驱动信号加载在梁上后,其输出响应谱与给定参考谱之间的误差完全满足工程中常用的±3 dB的要求,而且峭度也与给定的参考值十分接近,证实了所提方法的有效性。