【摘 要】
：
旋转机械工作环境的特殊性决定了其振动信号中噪声和外界干扰的客观存在,因此故障诊断的稳健性是当前转子系统不平衡量识别面临的重要问题.针对转子系统不平衡量响应中外界干扰和异常值相对于测量数据具有稀疏性的特点,本文提出一种基于模型残差稀疏性控制的转子系统不平衡量稳健识别方法.该方法首先将转子系统残余振动分为两部分:第一部分代表数据采集中的观测噪声,第二部分表征振动数据中存在的异常值等干扰;根据振动数据中
【机 构】
：
西安交通大学机械工程学院,西安710049
【出 处】
：
第十一届全国随机振动理论与应用学术会议
论文部分内容阅读
旋转机械工作环境的特殊性决定了其振动信号中噪声和外界干扰的客观存在,因此故障诊断的稳健性是当前转子系统不平衡量识别面临的重要问题.针对转子系统不平衡量响应中外界干扰和异常值相对于测量数据具有稀疏性的特点,本文提出一种基于模型残差稀疏性控制的转子系统不平衡量稳健识别方法.该方法首先将转子系统残余振动分为两部分:第一部分代表数据采集中的观测噪声,第二部分表征振动数据中存在的异常值等干扰;根据振动数据中干扰的稀疏性将不平衡量识别过程转化为凸优化问题,然后借助于稀疏信号重构算法实现不平衡量的稳健估计.实验结果表明,该方法具有良好的稳健性,能够在复杂环境下准确识别出转子系统不平衡量.
其他文献
针对齿轮振动信号的非线性和非平稳性,采用ITD-样本熵方法来进行故障的特征提取.首先用ITD分解方法把原始信号分解成一系列PR分量.因为PR1和PR2分量和原始信号的相关系数远高于其他分量,因此最能反映信息的真实状态,然后计算PR1和PR2分量的样本熵.齿轮不同故障状态的PR旋转分量的样本熵大小不同,有迹可循.实验结果显示ITD-样本熵相对ITD-近似熵,其运算时间缩短两倍多,表明ITD-样本熵是
建立了裂纹转子非线性逼近模型,论述了非线性输出频域响应函数(NOFRF)及其非线性频谱分析理论,基于该理论对裂纹转子系统的高阶NOFRF进行了仿真分析,该分析结果说明了裂纹转子系统新频域成份的产生情况,对裂纹转子的超谐波成份和亚共振现象进行了解释,并进行了试验分析,结果表明了高阶NOFRF比一阶对转子裂纹深度更敏感,为裂纹转子的故障诊断提供了理论基础.
轴承故障振动信号具有非平稳、非线性特征,提出了通过计算振动信号的分形维数来提取故障特征的方法.给出了分形维数中的关联维数的计算方法.原始信号夹杂了大量的噪声,干扰计算结果,采用局部均值分解(LMD)分离出故障成分.实验模拟滚动轴承的正常状态、内圈故障、滚动体故障和外圈故障这4种状态,实验证明:LMD分形技术能很好地区分4种状态,是一种可行的滚动轴承故障特征提取方法.
针对薄板结构在不同载荷下其应变场的变化与可视化的实现方法与技术,在对应变场重构拟合算法的基础上,着重阐述了基于OpenGL进行薄板表面应变场重构可视化的设计思路,对OpenGL的技术特点、基于Qt和Labview的接口方法、程序流程与关键环节、应变场重构与可视化实现等予以了详细的说明,对核心源代码进行了明晰的解释,并显现了薄板表面应变场重构与可视化的实际效果.程序运行和试验结果表明,基于OpenG
针对在机械故障诊断中,观测信号数目小于源信号数目的欠定盲源分离问题,研究了一种基于变分模态分解(VMD)的欠定盲源分离方法.首先,对观测信号进行VMD分解;然后将分解得到的分量和观测信号组成新的观测信号,将欠定盲源分离转化成为正定问题;最后再对新的观测信号进行盲源分离.仿真对比了基于经验模态分解的欠定盲源分离方法,并且和实验一起验证了该方法的有效性和可行性.为解决欠定盲源分离问题提出了一种新方法.
本文探讨了航空发动机滚动轴承故障诊断中基于机匣测点振动信号特征提取的可靠性.通过进行带机匣测点的滚动轴承故障模拟实验,分别获取了外圈故障、内圈故障和滚动体故障轴承座测点和机匣测点的振动数据.分析结果显示,相对于轴承座测点,由于故障产生的脉冲信号在传递途中的衰减和机匣上噪声信号的增加,机匣测点振动信号故障特征明显减弱.直接对机匣测点振动信号无法提取故障特征.选择合适的共振频带进行滤波可以有效提取故障
针对机组振动信号的非线性和非平稳性,采用EMD和Teager能量算子相结合的方法对信号进行特征提取.先将信号采用EMD的方法分解出来若干个IMF分量之和,然后对每个IMF分量进行Teager能量算子变换,可以得到瞬时幅值以及瞬时频率,进一步得到Teager能量谱,该方法可以根据信号特征进行时频分解,从而克服了人为因素以及传统方法中谐波分量表示不平稳信号以及非线性信号所带来的缺陷,对非平稳信号以及非
对振动信号进行处理与分析作为监测机械设备运行状态的方法一直受到广泛关注，同时也是机械故障诊断技术的一个重要方向.为了更好的处理非平稳、非线性振动信号,依据HHT(Hilbert-Huang变换)边际谱的思想,提出一种基于S变换的时域边际谱,并给出了利用这种时域边际谱进行频谱分析的具体方法.对仿真信号的处理说明该方法对振动信号中的冲击能量比较敏感,能够很好的提取冲击的特征频率,同时具有抑制信号高频成
针对轴承性能退化难以及时准确评估的情况,本文提出了一种基于非线性流形学习的两类模型轴承性能退化评估方法.在一种基于健康数据的两类模型上,结合流形学习方法提取敏感特征,依据轴承退化的数据同轴承健康的类可分性测度,采用两类模型的类间判别因子,有效地度量了监控数据相比于健康数据的分布情况,反映出轴承性能退化状况.通过对全寿命轴承数据的实例对比分析,试验结果显示了该方法相比传统监控指标的优越性,表明基于流
提出基于全矢HHT时域边际谱的滚动轴承故障诊断新方法.采集滚动轴承双通道振动信号,分别对双通道信号进行EMD分解和Hilbert变换,得到Hilbert谱,再对Hilbert谱进行积分,得到体现信号时域特性的时域边际谱,最后利用全矢谱技术对其进行同源信息融合,得到滚动轴承的全矢HHT时域边际谱.在滚动轴承外圈缺陷的故障诊断实验中,证实该方法比传统的Hilbert边际谱更能有效提取滚动轴承故障特征.