摘要:以斜裂纹为研究对象,将非线性输出频率响应函数(Nonlinear output frequency response function,NOFRF)应用到含有斜裂纹转子系统的故障诊断中。对比分析了斜裂纹不同倾角,不同裂纹深度和不同裂纹位置下的NOFRF值的变化情况,得到了具有一定价值的结论。实验结果表明,系统的NOFRF值对裂纹的不同倾角、裂纹的不同位置和裂纹深度的变化相当的敏感。因此,根据系统的NOFRF值的变化情况,可以有效监测转子系统中的斜裂纹故障。
摘要:如何在含有噪声的振动信号中提取特征参数,是轴承故障诊断的关键问题,为此提出一种基于Morlet小波-奇异值分解(Singular Value Decomposition,SVD)和变量预测模型模式识别(Variable Predictive Model Based Class Discriminate,VPMCD)的故障诊断方法。首先对时域采样信号进行Morlet小波变换预处理,将所得时频系数矩阵进行SVD分析,根据奇异值曲率谱特征滤除噪声,以提取相应尺度下的微弱故障信息;然后自适应选取最佳尺度附近的分量信号,并将Shannon能量熵作为特征参数,以此构建特征向量,用于建立基于VPMCD的故障识别模型。实验采用5折交叉验证法及Jackknife检验法对所提方法进行检验,结果证明了所提方法的有效性。
摘要:针对滚动轴承非平稳性的振动信号,提出了基于总体局域均值分解(Ensemble Local Mean Decomposition,ELMD)及核密度估计的滚动轴承故障诊断方法。首先,对振动信号进行ELMD分解,获得一系列乘积函数(Production Function,PF),计算包含主要故障的PF分量的有效值、峭度、偏度系数,将其组合成特征向量;根据核密度估计的特性提出基于核密度估计的分类器,将特征向量输入分类器进行训练与测试,从而识别滚动轴承的工作状态和故障类型。实验结果表明,该方法能够有效的对滚动轴承故障进行识别,且效果较LMD方法好。