【摘 要】
：
基于香农采样定理的采样策略,要求采样频率必须大于信号中最高频率的两倍,使得设备监测产生海量的冗余数据,增加了信号处理的难度,降低了故障诊断的效率.为此,提出了基于贝努利测量矩阵稀疏采样的轴承故障压缩检测方法.首先,通过特征保持算法对故障信号进行初步压缩,实现故障数据降采样的同时保留了足够的故障信息;其次,基于压缩感知的理论框架,利用贝努利测量矩阵实现故障信号的稀疏采样;最后,采用匹配追踪算法,在不
【机 构】
：
北京化工大学机电工程学院,北京100029
【出 处】
：
2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016
论文部分内容阅读
基于香农采样定理的采样策略,要求采样频率必须大于信号中最高频率的两倍,使得设备监测产生海量的冗余数据,增加了信号处理的难度,降低了故障诊断的效率.为此,提出了基于贝努利测量矩阵稀疏采样的轴承故障压缩检测方法.首先,通过特征保持算法对故障信号进行初步压缩,实现故障数据降采样的同时保留了足够的故障信息;其次,基于压缩感知的理论框架,利用贝努利测量矩阵实现故障信号的稀疏采样;最后,采用匹配追踪算法,在不需要完全重构故障信号的基础上,实现故障特征频率的直接检测.此外,还与基于高斯随机矩阵稀疏采样的故障检测方法进行了对比分析,通过实验信号分析,验证了方法的有效性.
其他文献
含有局部故障的齿轮振动信号通常包含周期性冲击成分,冲击重复频率是诊断齿轮故障的重要依据之一.风电增速齿轮箱行星轮局部故障振动信号,由于振动源复杂且相互耦合,且易受时变振动传递路径干扰和强背景噪声污染,表现出频率成分复杂、信噪比低和故障特征微弱的特点.针对该问题,提出基于谱峭度和时间小波能量谱的行星轮局部故障特征提取方法.首先,利用谱峭度确定故障振动信号的最佳滤波参数进行带通滤波,突显周期性瞬态冲击
传统的振动信号分析方法都是基于香农采样定理实现信号的采集,这种信号采样方式,使设备状态监测过程中产生了海量的冗余数据,增加了数据处理的难度以及数据存储与传输的成本.压缩感知理论的提出为解决海量的状态监测数据的存储与传输问题提供了新契机,而振动信号不稀疏的特性又成为压缩感知在故障诊断领域应用的障碍.为此,提出了一种基于块稀疏贝叶斯学习的振动信号重构的方法,该方法利用解的块内相关性,通过解的后验概率知
混流式转轮叶片是水轮机水下非常重要的一个部件,由于其水下运行工况的复杂性和不稳定性,经常发生水轮机叶片疲劳断裂.分析发现作用在叶片应力是导致叶片产生疲劳裂纹的主要原因.然而水轮机复杂的水下工作环境和特殊旋转结构,是进行叶片应力测量的主要障碍.转轮叶片应力测量归类于转动构件的应变测量,与常规应力测量任务的主要不同之处是如何将转动部分的测量信号传输到地面.对于旋转轴的应变测试,由于无法直接连接导线传输
叶端定时传感器由于具有非接触测量叶片振动的优势而光纤叶端定时传感器具有抗电磁干扰能力强、灵敏度高等优点,因而被应用于航空发动机压气机叶片的振动测量当中.本文基于Matlab数值仿真的方法,系统地分析了光纤叶端定时传感器在"6+1"结构下光纤束的轴间距、数值孔径以及芯径大小对光强调制特性的影响,总结了这些参量对光纤叶端定时传感器光强强度调制特性的影响规律,优化并确定了光纤叶端定时传感器在实际应用中的
针对往复压缩机振动信号的非平稳和非线性特性,提出了基于经验小波变换(EWT)与多尺度模糊熵(MFE)的往复压缩机轴承故障特征提取方法.以经验小波变换方法分解各状态的振动信号,形成一系列具有紧支撑傅里叶频谱的AM-FM分量,依据相关性系数筛选包含故障状态主要信息的AM-FM分量.利用多尺度模糊熵对各分量进行定量描述,并以类间平均欧氏距离对尺度因子进行优选,得出可分性良好的特征向量.利用SVM识别轴承
滚动轴承故障信号具有非线性、非平稳性的特点,为有效提取其故障特征,实现轴承典型故障识别,提出了基于固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)和广义分形维数的轴承故障诊断方法.首先,利用ITD方法将包含噪声的振动信号分解为多个分量,应用Teager能量算法选取有效分量获得重构信号,从而实现信号的降噪;其次,采用广义分形方法获得降噪信号维数,作为故
定子绕组匝间短路是感应电机的主要故障之一,对故障的有效检测将有利于提高电机的运行质量.针对Parks矢量法的不足,提出了一种改进方法.方法主要利用了Park变换后椭圆长轴与短轴间的关系,结合Hilbert变换,从而对匝间短路进行诊断.通过不同工况下的有限元模型仿真以及实验,说明了方法在实际应用中的一些特点.结果表明,相比Parks矢量法,方法可以更加有效地对匝间短路进行检测.
最小熵解卷积是一种信号滤波处理方法,可以增强实测振动信号中故障冲击成分,降低传递路径等因素干扰噪声影响,有利于设备故障早期特征信息的识别.分析了最小熵解卷积方法的基本原理,将该方法用于电机轴承实测振动信号的分析处理,验证了该方法对故障信息增强的效果,讨论了滤波器阶数变化对分析效果的影响.结果表明,最小熵解卷积方法可以有效增强振动监测信号中故障产生的微弱冲击信息.通过合理设置滤波器参数可以使效果突出
论述了隐Markov模型(Hidden Markov Model,HMM)的理论与算法,综述了该方法在故障诊断中的国内外现状.HMM具有很好的包容性,是一种基于不完全观测数据的统计模型,使得该模型运用范围相当广泛,适用性也很强.隐Markov模型的主要功能是进行建模分类,通过不同特征值组各自进行模型训练.在机械设备运转过程中,设备的工作状态都可以由一组特征矢量来描述,这些特征矢量可以使用HMM进行
为提取多源故障信号特征,实现复合故障诊断,提出了一种基于改进的形态学滤波算法和独立分量分析的信号分离及特征提取方法.首先,通过自适应形态学滤波算法处理故障信号,降低噪声,提取故障信号特征;然后,通过局域均值分解使单通道信号分解成多个特征信号;最后,运用独立分量分析对多个特征信号进行盲源分离,实现故障识别和分离.以轴承复合故障为研究对象进行验证,分析结果表明:所提方法可以有效分离滚动轴承外圈与滚动体