【摘 要】
：
机械系统中齿轮出现局部弱故障时,振动信号中的双边衰减瞬态冲击响应成分湮没在强背景噪声中,导致齿轮故障特征提取难以实现.在信号稀疏表示理论的基础上,研究提出一种基于Morlet小波基的瞬态成分稀疏表示方法.该方法针对冲击响应信号的特点,利用相关滤波选定匹配基底函数,并扩充为瞬态成分表示基底,再运用分裂增广拉格朗日收缩算法求解BPD问题,将信号中的瞬态冲击成分转化为一系列稀疏表示系数,实现强噪声背景下
【机 构】
：
苏州大学 城市轨道交通学院,苏州 215137
【出 处】
：
2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014
论文部分内容阅读
机械系统中齿轮出现局部弱故障时,振动信号中的双边衰减瞬态冲击响应成分湮没在强背景噪声中,导致齿轮故障特征提取难以实现.在信号稀疏表示理论的基础上,研究提出一种基于Morlet小波基的瞬态成分稀疏表示方法.该方法针对冲击响应信号的特点,利用相关滤波选定匹配基底函数,并扩充为瞬态成分表示基底,再运用分裂增广拉格朗日收缩算法求解BPD问题,将信号中的瞬态冲击成分转化为一系列稀疏表示系数,实现强噪声背景下弱特征的有效提取.仿真信号和齿轮微弱故障特征提取应用表明提出的方法能有效检测和提取强背景噪声下的微弱故障.
其他文献
本文主要介绍低品质烟气余热发电技术在新钢石灰窑的应用.通过回收两台石灰回转窑预热器出口的低品质(300℃)废气,运用余热装置产生蒸汽并辅与第一炼钢厂富余蒸汽送入蒸汽轮机驱动发电机组,回收电能.
邯钢对2000m3高炉除尘系统进行了改造,将原有的湿法除尘改为干法除尘,并在改造过程中创新工艺、技术,避免了常规干法除尘系统存在的缺陷,收到了良好效果.
介绍转炉一次烟气采用干式蒸发冷却器和湿式静电除尘器的新型除尘工艺,对其应用于湿法、半干法、干法的改造内容和环保节能潜力进行分析.
金属磁记忆技术可以快速检测出铁磁构件的应力集中区域并对其故障进行早期诊断.本文在检测齿轮疲劳实验过程中的磁记忆信号基础上,利用Ansys有限元分析软件探究了裂纹齿相邻齿发生信号突变的原因.首先建立含裂纹故障齿轮的三维模型,利用静力学分析得到齿轮的应力图.然后根据应力与相对磁导率的关系对齿轮的应力集中部分进行相对磁导率的划分.最后建立地磁场模型,将试件放入通过静磁场分析得到磁感应强度曲线,通过观察裂
针对目前高速动车组故障诊断和设备维护中系统结构及故障关系复杂、故障诊断信息来源分散多样、知识重复度高、不易共享和重用等难点,提出基于本体和故障树分析的高速动车组远程诊断及虚拟维护系统模型.根据动车组故障诊断所涉及的源知识特点,构建系统结构域本体和故障域本体两个异构本体域.通过对动车组系统结构、工作原理和故障关系进行分析建立大型复杂系统故障树,基于结构域本体和故障域本体建立故障树本体模型以改善其动态
针对滚动轴承机械在运行过程中采集信号的非平稳性,提高信噪比,提取出淹没信号中的有用成分,正确地分析结论,构造了一种基于冗余第二代小波和阈值降噪相结合的故障特征提取方法.此方法不进行剖分运算,对其逼近信号和细节信号进行插值补零,根据待分析信号的特点,然后利用冗余预测器和更新器对每层进行预测和更新运算,可以有效地提供时域特征信息,并对各层小波系数采用选取有效的阈值降噪,之后对降噪后的系数提取出与故障频
为了解决证据理论在信息融合过程中存在一些问题:证据的基本概率分配函数获取比较困难;证据之间发生高度冲突时,证据组合规则在融合后出现结论与实际不相符,提出一种基于经验模态分解(empirical mode decomposition,EMD)的基本概率分配函数自适应获取方法.这种方法是依据EMD本身具有自适应处理非线性、非平稳信号的特点,利用EMD方法的自适应广义基函数进行不确定性信号逐级分解,分解
感应电机发生故障的部位多,故障现象及故障原因复杂,但故障特征信息可在不同类型的信号中反映出来.本文通过对不同类型信号进行综合处理和协同分析,并基于多个随机森林分类器自适应权重投票表决的方法,提出了一种高效实用的感应电机故障诊断方法.首先利用传感器采集得到感应电机振动信号和定子电流信号,提取其在特征频率上的能量作为特征信息,分别构造随机森林分类器,得到每个分类器的故障分类结果后,对测试样本和训练样本
本文针对裂纹转子故障诊断问题,综述了近年来国内外裂纹模型和裂纹转子系统动力学模型的主要研究成果.首先,阐明了研究裂纹转子系统动力学模型的必要性,然后介绍了裂纹模型和裂纹转子动力学模型的发展历程和应用现状,并对分数阶微积分作为一个新的方法应用于裂纹转子系统动力学建模进行了描述.最后对裂纹转子系统动力学模型的发展趋势进行了说明和展望.
提出了一种基于固有时间尺度分解(ITD)和包络谱分析的滚动轴承故障诊断新方法.通过ITD对滚动轴承故障信号进行自适应地分解,将故障信号分解成若干个固有旋转分量(PRC)和一个单调趋势信号,然后对感兴趣的固有旋转分量进行包络谱分析,提取故障特征.结果表明,提出的方法能够有效地反映出不同轴承故障的特征频率.