【摘 要】
：
滚动轴承振动信号具有非线性和非高斯的特征,精准、稳定地提取故障特征对于滚动轴承的故障诊断起着非常重要的作用.变分模式分解(Variation Mode Decomposition,VMD)是新近提出的一种信号分析方法,在应用到滚动轴承故障特征提取时可以在一定程度上提高特征提取的精确性与稳定性.然而VMD方法在处理中低频的非高斯,非线性信号时,会将临近中心频率的噪声信号当作有效信息进行处理,或者将有
【机 构】
：
中国石油大学(北京)机械与储运工程学院,北京102249 中国石油塔里木油田分公司,库尔勒8410
【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
滚动轴承振动信号具有非线性和非高斯的特征,精准、稳定地提取故障特征对于滚动轴承的故障诊断起着非常重要的作用.变分模式分解(Variation Mode Decomposition,VMD)是新近提出的一种信号分析方法,在应用到滚动轴承故障特征提取时可以在一定程度上提高特征提取的精确性与稳定性.然而VMD方法在处理中低频的非高斯,非线性信号时,会将临近中心频率的噪声信号当作有效信息进行处理,或者将有效信号当成噪声信号去除,严重时会干扰故障特征信息的提取,出现错误诊断结果.为了提高滚动轴承故障特征提取的准确性,提出一种基于小波变换的改进VMD分解方法.该方法对VMD算法中约束条件厂进行小波变换处理,去除中心频率附近的噪声信号,使得各个模态信号带宽之和最小,从而增强了对噪声信号的约束性.通过轴承实验分析表明,该方法提高了VMD方法对噪声的鲁棒性,在滚动轴承的故障特征提取方面,该方法与原VMD方法相比,更加为精确,更加稳定.
其他文献
多普勒畸变的发生使轨边声学诊断系统测取的声学信号出现频谱扩展和移动的现象,给列车轴承的故障诊断带来了困难.提出了一种基于麦克风阵列的角插值重采样方法来去除存在于测取信号中的多普勒畸变.相比于传统方法来说,该方法简单并且几乎不需要先验知识,对噪声具有更强的鲁棒性,在实际应用中具有显著的优势.该方法将多重信号分类方法和滑动窗方法结合起来提取时间-角度曲线,并利用该曲线构造重采样时间序列.通过对信号进行
针对旋转机械设备局部故障使测量信号表现出瞬态特性,将图像稀疏重构方法引入到时频流形的理论分析框架中,提出了一种新的时频流形稀疏重构的瞬态特征提取方法.基于时频流形突出的特征增强效果,运用图像稀疏的方法有效地从非线性时频流形结构中学习到时频分量.通过上述构造的时频字典对原始信号的时频分布进行瞬态特征的重构表达分析,实现对原始信号的幅值和相位恢复.该重构方法将图像稀疏重构的稀疏原理同时频流形在瞬态特征
以某一具有膜片式弹性联轴器的多盘悬臂转子系统为研究对象,基于有限元方法,考虑联轴器平行、偏角和组合不对中影响建立了系统的动力学模型,其中滑动轴承采用非线性油膜力模型.采用轴心轨迹图、不对中力与油膜力对比图、幅频响应及三维谱图,分析了三种不对中形式对系统振动特征的影响,研究表明联轴器不对中会引起倍频的振动;延迟失稳转速,减小l阶和2阶油膜振荡能量,即对油膜振荡产生抑制作用.
离心压缩机的叶片断裂大多数都是由叶片共振引起的,而叶片动载荷是叶片共振的主要诱因.以工程实际中的某离心压缩机某级为研究对象,采用CFD方法对离心叶轮叶片前缘和尾缘受到的气动力进行分析,发现在离心叶轮叶片和扩压器叶片的相对周向位置发生变化时,机组外特性参数和叶片表面的所受气动力脉动频率及幅值发生变化,从而对于叶片共振的分析,扩压器的设计具有借鉴意义.
针对电涡流传感器在进行叶尖间隙测量时因带宽不足导致的欠采样问题,提出一种基于触发脉冲技术的叶尖间隙测量及主动控制方法.通过优化静态径向及周向标定技术获取传感器在不同叶尖相对位置的灵敏度,借助叶尖计时法得到传感器探头同叶片的相对位置,代入静态标定的拟合曲线得到各个数据点对应的叶尖间隙.原理实验台结果表明较传统的峰值定位法,该方法有效地解决了因电涡流传感器带宽限制引起的欠采样问题,有效改善了高线速度下
为了提高试验效率,降低试验危险性,建立联轴器不对中动力学相似模型进行实验.首先,分析了联轴器不对中的故障机理,利用方程分析法推导了动力学相似关系.利用数值仿真对比了原型与模型的频域响应和轴心轨迹,结果表明模型与原型的频率成分相同,轴心轨迹形状一致且满足相似比,验证了所提方法的正确性.其次,利用数值拟合的方法分析了相似设计参数适用区间,并进行了示例计算.最后归纳总结了联轴器不对中相似模型试验的设计步
针对中国海油总公司海上设备完整性管理信息技术和基于风险的检验技术应用相对不充分、不能全面管理设备设施运行风险的现状,基于物联网、在线腐蚀监测和基于风险的检验技术开发了海上压力容器和压力管线完整性管理信息系统并在海洋石油116油轮上应用.工程应用表明:搭建的完整性管理信息系统能够实现压力容器和压力管线全生命周期的信息化管理和风险管理;能够实现可视化预警、基于风险的检验任务优化和腐蚀机理识别,提高风险
传统的BP神经网络需要人工设置参数,导致预测结果精度不高.为有效实现滚动轴承早期故障的预测,利用一种自优化的神经网络模型提出了一种基于极限学习机的故障预测方法实现对滚动轴承故障预测.首先,提取振动信号时域特征参数;其次,根据故障发生过程选取目标数据,并将其按照训练集和测试集的不同分为多组数据集;最后,采用极限学习机对轴承状态进行预测,取得了准确度较高的预测结果.通过与BP神经网络进行对比,验证了极
为解决变转速下轴承基函数库过度冗余的问题,建立了一种新型的、冗余度低的变转速轴承故障瞬态冲击字典构造方法.该方法通过对变转速轴承故障振动响应建模,分析不同转速下轴承故障振动响应形态,通过等角度重采样消除不同转速下瞬态冲击形态差异,降低瞬态冲击字典维度.引入分段正交匹配追踪算法实现故障信号的稀疏表示与重构,通过提取重构信号的特征阶数实现轴承的故障诊断.轴承故障诊断实例验证了所提方法在变转速工况下轴承
针对机械振动信号强噪声、非线性的特点,将信号分解方法与信息的定量描述方法相结合,提出一种新的特征提取方法.变分模态分解(Variational Mode Decomposition,VMD)作为一种较新的信号分解方法克服了传统自适应分解方法中的模态混叠、端点效应等缺点,具有抗噪鲁棒性强、计算效率高等优点.信息熵是对信号所含信息量的定量描述,可作为区分不同类型信号的依据.该方法首先利用信号频谱图明确