基于循环统计量的直升机齿轮箱轴承故障早期检测

在分析齿轮箱振动信号的基础上,提出了基于循环统计量的轴承故障早期检测方法,阐述了表征故障的一维和二维循环平稳特征。该方法利用信号与噪声具有不同循环频率的特性实现了信噪分离,能够比较容易地从复杂背景中提取出微弱的特征信息。最后在某型直升机齿轮箱轴承故障的早期检测中进行了实验验证。结果表明,该方法优于功率谱和解调分析,能够提取故障的早期特征。     

基于谱插值和奇异值差分谱的滚动轴承静电监测信号去噪方法

采用静电传感器进行滚动轴承故障监测实验研究.针对滚动轴承静电监测中各种强噪声、故障特征难以提取的问题,提出了基于谱插值和奇异值差分谱的联合去噪方法.首先采用谱插值抑制工频干扰,然后将所得信号构造Hankel矩阵,求取奇异值差分谱并自动确定有用分量个数,最后重构信号.仿真和实验结果表明:仅采用奇异值差分谱或者小波去噪方法,无法从含有强工频干扰的信号中提取有用成分;所提出的方法相比较谱插值和小波去噪方法能够凸显早期故障特征频率.     

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.      

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.      

时频展缩随机共振用于航空发动机转子故障检测

提出一种基于时频展缩的随机共振算法,用于检测转子早期故障信号,该方法充分利用了随机共振检测弱信号的优势,通过引入时频展缩,消除了随机共振系统对待测信号频率的限制,实现了在绝热近似理论下,从强噪声中提取出转子微弱早期故障信号.理论分析和实测结果表明:对埋在强噪声中的未知频率的早期故障信号,采用连续的压缩算法,以获得一个适...     

基于强抗噪威格纳威利分析的滚动轴承故障诊断

为了解决威格纳威利谱(Wigner-Vile spectrum, WVS)时频分析方法对受强背景噪声影响下的滚动轴承冲击性故障信号特征提取难的问题,根据滚动轴承发生故障时呈现出的循环平稳特征,将基于2阶循环统计量的循环谱密度算法(cyclic spectral density, CSD)与WVS相结合,提出基于CSD的WVS分析方法,即循环谱密度威格纳威利谱(CSDWVS)时频分析方法。经仿真及实验验证,相对传统WVS分析方法,该方法能有效提取出强背景噪声影响下的滚动轴承内圈故障特征频率为51.9 Hz及外圈故障特征频率为32.1 Hz。      

基于WPD-KVI-Hilbert变换相结合的滚动轴承早期故障特征精准识别

为了能够有效地从轴承早期故障激励的高频振动信号中提取出故障特征信息,基于最优小波包基选取方法和峭度值最大筛选原则,提出了一种改进的小波包分解（WPD）、峭度值指标（KVI）与Hilbert变换相结合的滚动轴承早期故障特征识别方法。计算选取最优小波包基,确定分解层数;采用WPD方法对轴承故障振动信号进行分解,获得若干个Node分量;基于峭度值指标最大原则筛选出有效的Node分量进行信号重构;对重构信号进行包络解调分析,提取出故障特征频率对轴承故障进行诊断。采用建立的方法对凯斯西储大学滚珠轴承外圈、内圈故障实验数据和自行开展的滚棒轴承外圈、滚动体故障实验数据进行了分析与诊断。研究结果表明：该方法能够有效提高故障信号高频分辨率、保留周期性冲击成分,并能准确有效提取出滚珠和滚棒轴承故障特征频率的1~7倍频及其与轴转频调制的系列边频带频率,实现对滚动轴承故障特征的精准识别与故障诊断。     

基于线调频小波路径追踪阶比循环平稳解调的滚动轴承故障诊断

针对变转速工况下滚动轴承的故障诊断问题,提出一种将线调频小波路径追踪算法与阶比循环平稳解调方法相结合的滚动轴承故障诊断方法.该方法先利用线调频小波路径追踪算法提取轴承的故障特征频率,再根据轴承的故障特征频率对变转速下时域振动信号的包络在角域等角度重采样,并对获取的角域平稳信号进行循环平稳解调,计算得到切片解调谱;最后根据切片解调谱识别滚动轴承故障.仿真分析和应用实例表明:该方法能准确提取变转速工况下滚动轴承的外圈与内圈故障故障特征,提取效果明显优于基于Wigner-Ville峰值跟踪法的包络阶次谱方法.      

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。     

基于小波和EMD的时频矩阵DEM降噪方法

针对强噪声背景下振动信号容易被非平稳强噪声干扰问题,提出了一种小波和EMD结合的时频矩阵DEM降噪方法,该方法拟解决小波变换对信号局部自适应性差的问题,同时增强EMD本征模态函数的选取和重构。通过该方法对仿真信号和实测振动信号降噪,结果表明:该方法能够有效提取强噪声背景下有效的振动信号,提高信噪比。这一方法为旋转机械在强噪声干扰运行环境下提取有效故障信息提供支持。     

压气机转子叶片所受激励的相关性

为了分析复杂流场对叶片的作用,研究了压气机内三种非定常气动激振形式:上游叶片排尾迹、进气畸变和旋转失速的相关性.通过在单级低速轴流压气机试验台上获得的数据,采用自相关和互相关方法,研究三种激励的特性,分析激振信号的相关性机理.结果表明:多次自相关可以清晰地显示出信号的特征频率,有效地抑制干扰噪声;激励信号之间具有很强的...     

基于互相关和混沌振子阵列的转子早期碰擦故障检测

为了提高早期故障检测的准确性和有效性,提出了运用互相关去噪和构建混沌振子阵列,通过阵列扫描实现早期微弱故障的多个特征频率信号检测的方法.该方法将经过互相关去噪后的信号送入到混沌振子检测阵列中,让其作为混沌检测系统周期策动力的一部分,通过混沌检测系统相轨迹变化检测出表征同一微弱故障的多个频率信号.飞机转子系统早期碰擦故障检测为例验证了该方法的可行性.      

光纤陀螺开环增益的实时估计与补偿

开环增益是影响闭环光纤陀螺控制稳定性及控制精度的重要参数。从光纤陀螺的数学模型出发推导了开环增益的计算公式。在数字闭环光纤陀螺相关检测的基础上提出了一种开环增益的估计方法,通过在积分控制环节前施加一个方波抖动信号,然后在信号处理器中进行相关解调,实现了开环增益的在线实时估计。同时利用数字逻辑中比例控制系数的可操作性,通过实时调整比例控制系数K来补偿硬件部分增益G的变化,从而实现陀螺开环增益的自补偿。最后通过实验证明了该方法的正确性。     

实施统一编号 加强仪器管理

电子仪器管理的规范化是保证周期检定正常运行、量值传递准确可靠、为产品质量提供计量保证的重要方面。本文介绍了电子仪器从验收合格－建帐－使用一周检过程的管理。此方法实施六年来运行良好。     

基于循环平稳时间序列的齿轮裂纹故障早期检测

在分析齿轮振动信号的基础上 ,结合其具有循环平稳性的特点 ,提出了基于线性几乎周期时变 AR模型的故障早期检测方法 ,推导了基于高阶循环累积量的模型参数辨识算法 ,具有抑制加性平稳噪声的优点。最后在某型直升机齿轮裂纹故障早期检测中进行了应用 ,结果表明该方法具有很好的预测能力 ,利用模型残差的峭度能够检测和预报早期裂纹故障 ,同时为根据正常样本检测旋转机械故障提供了一种思路      

相关系数在参数识别中的应用

 研究“在线”信号相关系数的应用,首先应解决利用“在线”信号相关系数迅速、准确地识别出模态参数。利用“在线”信号应满足以下要求:（1）不使用激振信息;（2）利用的振动信号要尽量短;（3）计算方法简单,满足实时处理要求;（4）抗干扰能力强。根据以上要求,利用振动信号的相关系数是合适的。但是,用这样少的信息识别振动系统的模态参数,其精发不如频率响应函数法高,但对于判断振动系统有无异常变化,其精度是足够的。     

扩频信号角跟踪带宽分析与优化

扩频信号由于带宽宽、信噪比低,难以实现对信号的角跟踪。本文在和差信号相关法提取角误差电压的基础上,利用小部分带宽法的一些原理,提出了和差信号小部分带宽相关的方法,提高了输出信噪比。     

周期性湍流射流冲击下的传热与流场特征

实验研究了周期性变化的湍流射流冲击平板时的传热和流场特性,对实验现象和射流冲击强化传热机理进行了探索和分析。利用一个特殊的质量流量控制装置产生周期性的冲击射流,采用典型的正弦和矩形变化的射流,在不同频率下进行实验。研究表明,两种周期性射流冲击传热性能有很大差异,矩形冲击射流的传热性能优于正弦冲击射流,提高频率有助于射流冲击传热的强化。用粒子图像测速(PIV)技术对流场进行锁相实验测量,研究表明,在较高频率下,阶跃变化的矩形射流冲击时整个变化周期内平板表面处于强烈的冲击和涡流不断的产生和传播状态,从而能有效地强化对流换热过程。平缓连续变化的正弦射流的锁相平均速度场低于矩形射流,卷吸和冲击作用、涡流的形成和传播过程均没有矩形射流冲击下那么强烈,从而导致换热强化效果相对较弱。     

Synchronized perturbation elimination and DOA estimation via signal selection mechanism and parallel deep capsule networks in multipath environment

State-of-the-art model-driven Direction-Of-Arrival (DOA) estimation methods for multipath signals face great challenges in practical application because of the dependence on the precise multipath model. In this paper, we introduce a framework, based on deep learning, for synchronizing perturbation auto-elimination with effective DOA estimation in multipath environment. Firstly, a signal selection mechanism is introduced to roughly locate specific signals to spatial subregion via frequency domain filters and compressive sensing-based method. Then, we set the mean of the correlation matrix’s row vectors as the input feature to construct the spatial spectrum by the corresponding single network within the parallel deep capsule networks. The proposed method enhances the generalization capability to untrained scenarios and the adaptability to non-ideal conditions, e.g., lower SNRs, smaller snapshots, unknown reflection coefficients and perturbational steering vectors, which make up for the defects of the previous model-driven methods. Simulations are carried out to demonstrate the superiority of the proposed method.     

Square-Wave Correlation Phase Detector with VLF Atmospheric Noise

Correlation phase detectors often include hard limiting of both received and reference signals. The characteristics of such " square-wave" correlation detectors for both Gaussian and impluse noise are derived as functions of both phase and carrier-to-noise ratio. Decoding algorithms and accuracy are discussed.