【摘 要】
：
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.
【机 构】
：
郑州大学机械工程学院,郑州450002;郑州大学化工与能源学院,郑州450002 郑州大学机械工程
【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
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.
其他文献
首先建立用于CRH3型高速动车组横向悬挂系统故障诊断的动力学模型,然后进行故障特征分析.研究分析发现,抗蛇行减振器阻尼故障对转向架横向加速度信号敏感,其敏感频段为0～10Hz;二系横向阻尼故障对车体横向加速度信号敏感,其敏感频段为0～2Hz.基于以上分析,针对现有基于Kalman滤波技术的诊断方法诊断高速动车组横向悬挂系统故障的不足,提出改进诊断方法:首先对转向架横向加速度信号进行0～10Hz滤波
轨边声学诊断系统的诊断时间至关重要.然而,由于列车和系统的相对运动,其获取的信号将产生多普勒畸变,需要消除多普勒效应才能对信号进一步分析.当前轨边声学诊断系统中所采用多普勒校正方法大多为离线方式,其不可避免的将带来时间延迟.为此,提出了一种多普勒信号的在线校正方法并将该方法应用在嵌入式系统中.将该嵌入式系统用于列车轴承外圈故障多普勒信号诊断,结果表明了该方法能够有效的在线去除声学信号中的多普勒效应
故障预测是预知维修的关键技术.当前的故障预测研究多停留在是否出现故障以及剩余寿命的预测上,对于故障性质、故障部位缺乏有效的预测方法.本文针对故障性质预测的需要,对振动数据采集策略和数据层融合方法进行了研究.首先,分析了常规振动检测方法对于故障诊断效果的影响,提出了故障性质预测所需要的数据采集模型;其次,设计了振动数据全矢采集方法和采样控制程序,研究了预测模型的数据层融合算法;最后,提出了基于全矢数
准确地表征滚动轴承局部故障信号是进行故障特征提取与分析的基础.本文深入分析了滚动体通过轴承内、外圈局部故障时声发射信号的产生机理,建立了含双冲击响应的声发射信号解析模型,并探讨了声发射信号的频域特征.采用仿真信号与试验信号验证了解析模型的正确性.结果表明:滚动体通过内、外圈局部故障的声发射信号是由进入和离开故障时的两个响应成分组成,且两个响应成分的能量均集中在声发射传感器的共振频率附近.滚动体通过
滚动轴承故障信号具有非平稳、能量低等特征,为了能够准确、有效地检测出轴承故障,提出了双树复小波(dual-tree complex wavelet transform,DTCWT)和最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)相结合的诊断方法.首先运用双树复小波对采集到的振动信号进行分解,再重构单支信号,由于噪声的干扰,从重构后
非定常流与飞行器的表面产生相互作用形成脉动压力环境，称这种非定常流引起的作用在飞行器表面的脉动压力为气动脉动压力，亦称表面脉动压力，气动脉动压力会对飞行器的结构产生随机激励。针对脉动压力模拟的试验,根据气流调制原理,设计了一套试验系统用来生成脉动压力.采用SMC电磁比例阀为脉动压力调制阀,试验结果表明该装置生成的脉动压力在阀门调制频率范围和压力幅值两方面均未达到预期效果.针对上述问题,本文设计了一
针对瞬时转速方法在诊断多缸中高速V型机失火故障时存在的困难,引入集合平均经验模态分解(EEMD)方法对解调后的V12柴油机瞬时转速信号进行分解,对比正常和故障工况下的各阶固有模态函数(IMF),结合希尔伯特时频谱图和快速傅里叶变换(FFT)频谱分析,最后得到了能够映射单缸失火故障的敏感特征值.研究结果表明,IMF10分量作FFT得到的频谱幅值能够准确可靠地诊断单缸失火故障;而IMF10分量通过极坐
本论文结合希尔伯特频谱(Hilbert)和频域峭度(Frequency domain kurtosis,FDK)提出了一种新的滚动轴承故障诊断方法,以弥补现有方法的不足.该方法能较理想的滤除噪声信号,得到信号中的故障成分.其中,利用希尔伯特变换实现包络解调,去除频率成分中的噪声,进而获得低频的故障信息.利用FDK对包络信号进行分析,根据处理结果确定滤波带宽,对振动信号进行滤波.该方法尤其适合于旋转
针对强背景噪声和信号衰减影响下,滚动轴承故障特征微弱,难于提取的问题,提出一种最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)与冗余第二代小波包(Redundant Second Generation Wavelet Package,RSGWT)相结合的方法,应用于滚动轴承微弱故障特征提取.应用MCKD滤波方法能够增强信号中的周期性
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