弹性支承振动应力信号降噪方法及其性能对比

针对弹性支承振动应力信号中存在的低频宽带噪声及宽频带的背景噪声干扰问题,提出基于EMD、CEEMDAN、LMD、ITD 和 VMD 5 种信号分解方法的信号降噪方法。利用5 种方法对原始信号进行分解,得到1 组初始模态分量,并结合归一化样本熵、SVD 和 峭度系数,有效地剔除噪声成分。弹性支承振动应力信号的降噪表明：在5 种信号降噪方法中,采用VMD-SampEn-SVD 方法降噪后 的弹性支承振动应力信号的信噪比为8.11dB,相关系数为0.92,均方误差为0.43,计算时间为18.04 s,其综合降噪效果最佳。     

基于CEEMDAN降噪与双谱分析的滚动轴承故障诊断

滚动轴承早期故障信号中的噪声成分会影响到故障特征的提取。为了提高含噪故障信号中滚动轴承早期故障特征提 取的准确性，将基于自适应噪声的完备经验模态分解（CEEMDAN）用于滚动轴承振动信号的降噪中，并对降噪后的轴承故障信号 进行双谱分析。结果表明：CEEMDAN可有效去除轴承振动信号中的低频噪声干扰，经CEEMDAN降噪后的不同轴承故障信号的 双谱全局图存在明显差异，根据这些差异可在宏观上对不同轴承故障加以区分；通过经CEEMDAN降噪后的不同轴承故障信号的 双谱细节图可以正确提取不同轴承故障的特征频率，从而实现对各轴承故障的有效诊断。CEEMDAN降噪结合双谱分析可为滚 动轴承故障诊断提供一种新的有效方法。     

航空发动机高低压转子间碰摩故障特征提取

针对变分模态分解（VMD）需要人为确定输入参数的问题,提出了一种参数自适应VMD（APVMD）方法,其通过粒子群（PSO）算法优化VMD的输入参数。使用APVMD结合切片谱的方法,对双转子航空发动机振动正常和异常状态下的实测弹性支承应变信号进行分析。分析结果表明,APVMD方法可以自适应地实现对实测弹性支承应变信号的分解;当发动机振动正常时,高低压转子弹性支承应变信号的APVMD模态分量中只存在高低压转子的1倍频和2倍频成分;当发动机振动异常时,低压转子弹性支承应变信号的APVMD模态分量除了包含低压转子的1倍频及倍频成分,还包含高压转子的1倍频和分频成分,以及高低压转子间的调制频率和组合频率成分;在高压转子弹性支承应变信号的APVMD模态分量中,除了高压转子的1倍频和2倍频成分,还存在高压转子的分频成分。     

滚动轴承故障特征提取的VMD包络切片谱分析方法

为了准确提取滚动轴承故障非平稳信号中的故障特征,提出基于变分模态分解（VMD）和包络切片谱的轴承故障特征提 取方法。该方法使用 VMD将轴承故障信号分解成 1组模态分量,并进行 Hilbert变换求取各模态分量的包络信号,进而求取包络 信号的切片谱（VMD包络切片谱）来提取轴承故障特征。为了进行对比,同时对各模态分量进行幅值谱分析,得到其VMD幅值谱。 分别采用VMD包络切片谱和VMD幅值谱对正常轴承振动信号、内圈故障信号、外圈故障信号、滚动体故障信号进行分析。结果 表明：在VMD幅值谱中无轴承故障特征频率,在VMD包络切片谱中分别存在内圈、外圈和滚动体的故障特征频率fi、fo、fb及相关的 倍频和调制频率成分,从而验证了VMD包络切片谱进行轴承故障特征提取的有效性与优越性。     

高低压转子弹性支承振动应力信号的LMD切片谱分析与时频分布

针对传统的频谱分析方法不能很好地辨识航空发动机转子振动特征频率的问题,采用局部均值分解（Local Mean Decompo? sition, LMD）,结合切片谱的频谱分析方法,对航空发动机转子振动信号进行自适应模态分解与峰值频率辨识;对转子振动信号进行时 频分析,得到其时频分布。将该方法应用于某航空发动机高、低压转子的弹性支承振动应力信号分析中。结果表明：相比于发动机振 动正常状态,在发动机振动异常状态下,高、低压转子弹性支承振动应力信号的LMD切片谱中除了存在高、低压转子的基频和倍频成 分,还存在高、低压转子间的调制频率,且在异常状态下F分量的时变特征更加明显。采用LMD切片谱分析方法获取了发动机振动正 常状态和异常状态下的振动频谱特征和时频分布,可为航空发动机转子振动特征提取与状态判别提供参考。     

基于遗传算法参数优化的变分模态分解结合1.5维谱的轴承故障诊断

为了准确提取轴承的故障特征,提出了一种遗传算法(GA)参数优化的变分模态分解(VMD)结合1.5维谱的轴承故障诊断方法。首先以VMD方法中模态分量的包络熵值最小为优化目标,利用遗传算法对模态分量个数和二次惩罚因子进行优化,确定这两个能使VMD实现最优分解的输入参数。然后利用参数优化的VMD方法对仿真信号和轴承内环故障信号进行分解,并做各模态分量的1.5维谱图。参数优化的VMD分解得到了与仿真信号原始分量相符的4个模态分量,1.5维谱剔除了未参与二次相位耦合的10Hz频率分量。同时在1k Hz频率以下,运用本文方法提取了轴承内环故障特征频率的1至6倍频频率成分以及电机转频对它们的调制频率。由此表明,遗传算法参数优化的VMD可实现复杂信号的正确分解,1.5维谱可有效检测信号的二次相位耦合。同时,遗传算法参数优化的VMD结合1.5维谱能有效提取轴承内环故障特征,从而验证了本文方法的有效性和实用性。     

多模态时域振动衰减信号各模态分离与阻尼参数辨识方法

针对多模态信号中各模态难以准确分离和模态阻尼参数难以准确识别的问题,提出了布谷鸟搜索(CS)算法参数优化的变分模态分解方法 (CS-VMD)和模态阻尼参数辨识的包络线积分法(EIM)。使用CS-VMD方法将多模态时域振动衰减信号中的多模态分量准确分离开来,利用EIM辨识各模态的模态频率和阻尼比,并与理论值(或测量值)以及半功率带宽法(HPB)辨识值进行对比。位移仿真信号与压气机导向叶片测频信号模态分解及模态参数辨识表明,CS-VMD方法可实现对多模态信号的正确分解,EIM辨识的模态频率误差均小于1.0%;对于位移仿真信号,EIM辨识的模态阻尼比最大误差小于2.5%;对于压气机导向叶片测频信号,使用EIM和HPB方法辨识的模态阻尼比最大差别为9.098%,EIM的模态阻尼辨识精度比HPB方法高。     

离心叶轮高速旋转叶片振动测量与特性分析

为了解离心叶轮高速旋转叶片的振动特性,对其进行振动应力测量与叶尖振幅测量,并将两种方法的测量结果进行对比分析。在介绍振动应力测量与叶尖振幅测量基本原理及数据处理方法的基础上,对离心叶轮高速旋转叶片进行了振动测量与分析。分析结果表明,两种方法均能有效识别叶片的5个共振转速区以及相应的激励源(转速的4,8和17倍频)。振动应力测量与叶尖振幅测量识别的叶片最大共振转速差异为0.56%,识别的叶片最大共振频率差异为1.78%。以振动应力测量结果为参考,验证了叶尖振幅测量结果的准确性和有效性。     

叶尖定时联合相位切线的旋转叶片阻尼测定

针对高速旋转叶片阻尼识别难的问题，提出了一种利用叶尖定时技术获取叶片振动响应，进而由相频曲线在共振点的切线斜率求取模态阻尼比的新方法——相位切线斜率法。对原始相频数据进行拉格朗日插值后，再由中心差分得到共振点处的切线斜率。介绍了叶尖定时理论，阐述了相位切线斜率法原理，并将其应用于仿真阻尼与实际高速旋转离心叶片阻尼的识别当中。结果表明，相位切线斜率法在满足频率比间隔足够小(例如1×10-6)时，误差可达到1×10-4 %数量级，远小于半功率带宽法的最大误差53.68 %。在旋转叶片模态阻尼识别中，相位切线斜率法、半功率带宽法和Hood软件识别结果存在数量级上的可比性；不同叶片的模态阻尼比呈现一定的分散性，但总体落在8.0×10-4～1.2×10-3的范围内。由此说明，相位切线斜率法识别结果可靠可信。     

基于局部均值分解的齿轮振动信号分析与研究

齿轮振动信号常表现出明显的非线性和非平稳特征。为有效提取齿轮振动信号的特征信息,将自适应信号分解方法——局部均值分解用于齿轮振动信号的分析。使用局部均值分解对三种状态的齿轮振动信号进行分解,得到一组PF分量,并对PF分量进行频谱分析。分析结果表明,局部均值分解完成了对齿轮振动信号的有效分解,各PF分量的幅值谱获得了不同状态齿轮振动信号的特征谱线,实现了对齿轮状态特征的准确提取。