峭度
- 低信噪比下的滾動(dòng)軸承早期微弱故障識(shí)別?
檢測(cè)［12］。譜峭度法是近年來(lái)發(fā)展起來(lái)的4階譜統(tǒng)計(jì)量，通過(guò)分析整個(gè)頻帶內(nèi)信號(hào)譜峭度大小，能夠有效地發(fā)現(xiàn)沖擊信號(hào)所處的共振頻帶中心頻率及其帶寬，設(shè)計(jì)帶通濾波器提取故障沖擊信號(hào)，再進(jìn)行包絡(luò)譜分析實(shí)現(xiàn)故障頻率特征檢測(cè)［13-15］。該方法在滾動(dòng)軸承故障診斷中得到了一定的應(yīng)用［14-18］，但這些研究集中于故障特征較為明顯的軸承故障數(shù)據(jù)，而直接采用包絡(luò)譜分析同樣能夠?qū)崿F(xiàn)故障診斷。筆者對(duì)滾動(dòng)軸承從完好逐漸發(fā)展到損傷失效的全壽命周期試驗(yàn)數(shù)據(jù)進(jìn)行分析，結(jié)果表明，對(duì)于軸承
振動(dòng)、測(cè)試與診斷 2023年6期2024-01-05
- MIMO 窄帶加寬帶非高斯隨機(jī)振動(dòng)試驗(yàn)
18］根據(jù)相位與峭度的關(guān)系，提出了相位調(diào)節(jié)法生成非高斯隨機(jī)信號(hào)，該方法僅對(duì)隨機(jī)相位部分進(jìn)行調(diào)整，因此不會(huì)對(duì)信號(hào)的功率譜產(chǎn)生影響。在國(guó)內(nèi)，陳家焱［19］、吳家駒［20］、夏靜［21］、朱大鵬［22］等均對(duì)非高斯隨機(jī)振動(dòng)進(jìn)行了相關(guān)研究。窄帶加寬帶非高斯隨機(jī)混合振動(dòng)試驗(yàn)中，由于窄帶隨機(jī)信號(hào)的能量在較窄的頻率范圍內(nèi)要遠(yuǎn)大于寬帶隨機(jī)信號(hào)，所以常用的ZMNL 變換方法并不適用于RoR 非高斯隨機(jī)振動(dòng)環(huán)境試驗(yàn)。考慮到RoR 非高斯振動(dòng)信號(hào)功率譜的動(dòng)態(tài)范圍特征，采用相位調(diào)
航空學(xué)報(bào) 2023年8期2023-06-27
- 基于非平穩(wěn)非高斯隨機(jī)振動(dòng)的航天結(jié)構(gòu)疲勞壽命分析
分析方法，研究了峭度和跌宕周期對(duì)疲勞壽命的影響。結(jié)果表明峭度和跌宕周期對(duì)疲勞壽命有顯著的影響。研究結(jié)果對(duì)于提高環(huán)境試驗(yàn)真實(shí)度、改善疲勞壽命試驗(yàn)技術(shù)具有參考意義。非平穩(wěn)；非高斯；疲勞壽命；跌宕周期0 引 言結(jié)構(gòu)振動(dòng)疲勞是指結(jié)構(gòu)所受動(dòng)態(tài)交變載荷的頻率分布與結(jié)構(gòu)固有頻率接近時(shí)，結(jié)構(gòu)共振所導(dǎo)致的疲勞破壞現(xiàn)象[1]。結(jié)構(gòu)的疲勞壽命主要取決于關(guān)鍵部位的應(yīng)力響應(yīng)幅值。在實(shí)驗(yàn)室中，經(jīng)常使用隨機(jī)振動(dòng)試驗(yàn)方法來(lái)考核產(chǎn)品的疲勞強(qiáng)度，認(rèn)為隨機(jī)振動(dòng)更符合實(shí)際使用環(huán)境。對(duì)于大多數(shù)的隨
導(dǎo)彈與航天運(yùn)載技術(shù) 2023年2期2023-06-19
- 基于MCKD和峭度的液壓泵故障特征提取
征提取。最大相關(guān)峭度解卷積(Maximum Correlated Kurtosis Deconvolution， MCKD)[3-5]是用相關(guān)峭度為評(píng)價(jià)指標(biāo)，其降低了信號(hào)的噪聲成分，提升了信號(hào)的峭度。文獻(xiàn)[6-9]將MCKD應(yīng)用于軸承故障特征信號(hào)提取，減弱了噪聲成分，加強(qiáng)了軸承故障信號(hào)中周期性沖擊成分，提取出明顯的故障特征，達(dá)到對(duì)軸承故障精確診斷。峭度是一個(gè)經(jīng)典的非高斯性度量指標(biāo)。一般，隨機(jī)信號(hào)的非高斯性程度既可以使用峭度絕對(duì)值來(lái)度量，也可以使用峭度的平方
機(jī)床與液壓 2023年1期2023-02-03
- 基于短時(shí)峭度法的鋼絲繩損傷檢測(cè)及定位研究
化性能不夠穩(wěn)定。峭度可以衡量一組數(shù)據(jù)的離散程度，常用于檢測(cè)沖擊信號(hào)，現(xiàn)已被應(yīng)用到軸承故障診斷、轉(zhuǎn)子故障診斷、齒輪箱故障診斷等領(lǐng)域。但是，峭度在鋼絲繩損傷檢測(cè)中的應(yīng)用卻還近乎空白。鋼絲繩通常由鐵磁性材料制成，具有非常高的磁導(dǎo)率。勵(lì)磁后的鋼絲繩如果沒(méi)有出現(xiàn)缺陷，磁力線就會(huì)被緊密約束在鋼絲繩中。如果鋼絲繩存在缺陷，那么缺陷處的磁導(dǎo)率就會(huì)發(fā)生改變，導(dǎo)致磁力線被折射到缺陷表面周圍的空氣中，反映在磁性傳感器所輸出的漏磁信號(hào)中就是一個(gè)較大的沖擊。因此，峭度同樣可以應(yīng)用到
礦山機(jī)械 2022年12期2022-12-15
- 基于重加權(quán)譜峭度方法的航空發(fā)動(dòng)機(jī)故障診斷
通濾波器的快速譜峭度方法(Fast Kurtogram),該方法能夠自適應(yīng)地獲取合適的濾波器中心頻率和帶寬,實(shí)現(xiàn)對(duì)故障特征的有效提取,因此得到了廣泛的應(yīng)用。Barszcz和Randall將此方法應(yīng)用于風(fēng)電行星齒輪箱故障檢測(cè)中,在齒輪故障前幾周檢測(cè)到了齒輪裂紋的存在。為更有效的提取故障特征,許多學(xué)者對(duì)此做出了改進(jìn),如：Lei等認(rèn)為小波包變換在時(shí)頻域內(nèi)具有更好的局部特性,因此利用小波包變換替代短時(shí)傅里葉變換得到基于小波包變換的快速譜峭度方法。Wang等基于小波
航空學(xué)報(bào) 2022年9期2022-10-14
- CEEMDAN輔助快速譜峭度的滾動(dòng)軸承故障診斷方法
1]將EEMD和峭度最大準(zhǔn)則相結(jié)合篩選出有效分量，再利用包絡(luò)解調(diào)方法進(jìn)行滾動(dòng)軸承故障診斷；田晶等[2]將EEMD與空域相關(guān)降噪聯(lián)合實(shí)現(xiàn)滾動(dòng)軸承的故障診斷；李利品等[3]對(duì)EEMD算法進(jìn)行了改進(jìn)并將其應(yīng)用在多相流檢測(cè)中；周將坤等[4]建立了EMD與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的故障診斷系統(tǒng)；師少達(dá)等[5]用細(xì)菌覓食優(yōu)化算法來(lái)優(yōu)化EEMD的參數(shù)，以軸承為例驗(yàn)證了該方法的有效性。EEMD能解決模態(tài)混合問(wèn)題，但無(wú)法從不明顯的早期故障信號(hào)中提取出有效的故障特征。自適應(yīng)噪聲完備經(jīng)
輕工機(jī)械 2022年3期2022-07-10
- 高階相關(guān)峭度反卷積逆濾波器及磁導(dǎo)航野點(diǎn)識(shí)別?
第一次提出了譜峭度的含義，峭度是一個(gè)無(wú)量綱參數(shù)或者統(tǒng)計(jì)量。峭度對(duì)信號(hào)中的瞬態(tài)成分十分敏感，常被用于滾動(dòng)軸承的狀態(tài)監(jiān)測(cè)以及故障診斷中。由于磁導(dǎo)航信號(hào)在野點(diǎn)干擾下，趨于非平穩(wěn)分布，故將峭度的含義引入磁導(dǎo)航信號(hào)處理辦法中。2012 年，McDonald 提出了最大相關(guān)峭度反卷積算法，在早期，該算法被用于故障信號(hào)的檢測(cè)。文獻(xiàn)［2］以輸出信號(hào)峭度的絕對(duì)值和接近性量度函數(shù)的乘積作為目標(biāo)優(yōu)化函數(shù)，有效避免了人為選擇閾值參數(shù)和步長(zhǎng)。文獻(xiàn)［3］以峭度絕對(duì)值為對(duì)比函數(shù)推導(dǎo)出
計(jì)算機(jī)與數(shù)字工程 2022年12期2022-03-18
- 自適應(yīng)譜峭度圖及其在滾動(dòng)軸承故障診斷中的應(yīng)用
，林建輝自適應(yīng)譜峭度圖及其在滾動(dòng)軸承故障診斷中的應(yīng)用何倩，易彩，吳文逸，林建輝（西南交通大學(xué) 牽引動(dòng)力國(guó)家重點(diǎn)實(shí)驗(yàn)室，四川 成都 610031）提出了一種新的自適應(yīng)譜峭度圖方法。首先采用CEEMDAN方法分解信號(hào)的傅里葉頻譜，然后對(duì)得到的低頻IMF分量與殘差項(xiàng)進(jìn)行分層累加計(jì)算，對(duì)每一層的頻譜趨勢(shì)尋找極小值點(diǎn)，使其作為頻譜劃分邊界，將劃分后的各頻段通過(guò)正交濾波器并利用峭度指標(biāo)對(duì)劃分后信號(hào)中的故障信息進(jìn)行評(píng)估，構(gòu)造出一種新的自適應(yīng)譜峭度圖。該方法能夠克服快速譜
機(jī)械 2022年11期2022-02-04
- 調(diào)頻率自適應(yīng)匹配線性變換及其對(duì)旋轉(zhuǎn)機(jī)械故障診斷研究
LT）。利用最大峭度準(zhǔn)則指導(dǎo)選取每個(gè)時(shí)刻合適的調(diào)頻率，并且只保留與所選調(diào)頻率相關(guān)的時(shí)頻分布用于構(gòu)造最終的時(shí)頻表示;擴(kuò)展原始線性變換基函數(shù)，使所提AMCLT方法在無(wú)需迭代情況下可同時(shí)完成對(duì)多分量非線性調(diào)頻信號(hào)的分析。此外，對(duì)所提AMCLT方法進(jìn)行了信號(hào)重構(gòu)分析，可實(shí)現(xiàn)對(duì)信號(hào)中目標(biāo)頻率分量的時(shí)域信號(hào)重構(gòu)。振動(dòng)信號(hào)處理結(jié)果表明，在時(shí)頻表示的可讀性方面，所提方法可得到能量更加集中且不受交叉項(xiàng)干擾的時(shí)頻表示;在特征提取方面，所提方法可更加準(zhǔn)確地提取旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)中
振動(dòng)工程學(xué)報(bào) 2021年5期2021-12-16
- 基于EEMD和快速譜峭度的滾動(dòng)軸承故障診斷研究*
5]將EEMD與峭度準(zhǔn)則的包絡(luò)解調(diào)方法相結(jié)合,提取了滾動(dòng)軸承的故障特征信息,實(shí)現(xiàn)了對(duì)故障軸承的診斷。目前,學(xué)者在故障診斷中采用譜峭度的方法已經(jīng)做了大量的研究。王夢(mèng)人[6]利用EEMD與譜峭度結(jié)合的方法,對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行了故障診斷。蔣超等人[7]針對(duì)總體平均經(jīng)驗(yàn)?zāi)Ｊ椒纸猥@取了的每一個(gè)IMF分量,求取了快速譜峭度圖,篩選了最大峭度所在頻帶以抑制干擾,并提取出了其故障信息。在上述研究中,通過(guò)EMD方法對(duì)振動(dòng)信號(hào)進(jìn)行分解會(huì)產(chǎn)生模態(tài)混合等現(xiàn)象,而EEMD則是通過(guò)添加白
機(jī)電工程 2021年10期2021-10-27
- 基于參數(shù)自適應(yīng)的VMD滾動(dòng)軸承故障診斷
了一種平均包絡(luò)譜峭度結(jié)合平均樣本熵優(yōu)化的VMD 及加權(quán)合成峭度提取最優(yōu)IMF 的軸承故障診斷方法，逐個(gè)優(yōu)化VMD 參數(shù)，得到最優(yōu)[K,α]，再對(duì)信號(hào)進(jìn)行分解，選擇加權(quán)合成峭度值最大IMF 作為最優(yōu)IMF，包絡(luò)譜分析后判別故障類型。經(jīng)軸承內(nèi)圈故障仿真信號(hào)及實(shí)際軸承內(nèi)、外圈數(shù)據(jù)驗(yàn)證，表明本文方法可有效實(shí)現(xiàn)軸承內(nèi)、外圈故障類型的判斷。1 基本理論1.1 變分模態(tài)分解VMD方法摒棄了EMD中模態(tài)分量循環(huán)篩選過(guò)程，將固有模態(tài)函數(shù)重新定義為幅頻調(diào)制信號(hào)，其表達(dá)式如下：
噪聲與振動(dòng)控制 2021年5期2021-10-22
- 基于譜峭度的滾動(dòng)軸承故障診斷方法
5]。本文運(yùn)用譜峭度法能自適應(yīng)地尋找共振頻帶，準(zhǔn)確診斷出軸承故障。1 軸承故障成因及特征由于軸承工作環(huán)境和作用的不同，其結(jié)構(gòu)也各式各樣，但基本結(jié)構(gòu)有四大部分：內(nèi)圈、外圈、滾動(dòng)體和保持架[6]。①內(nèi)圈：通常固定在軸頸上隨軸一起轉(zhuǎn)動(dòng)，其外表面有供滾動(dòng)體運(yùn)動(dòng)的滾道；②外圈：通常固定在軸承座或殼體上，作用是支撐滾動(dòng)體，其內(nèi)表面也有供滾動(dòng)體運(yùn)動(dòng)的滾道；③滾動(dòng)體：裝在內(nèi)圈和外圈之間，是軸承中受力的地方，其中的個(gè)數(shù)、形狀決定了軸承運(yùn)轉(zhuǎn)的時(shí)效；④保持架：將滾動(dòng)體均勻的分割
設(shè)備管理與維修 2021年9期2021-07-29
- 基于自適應(yīng)自相關(guān)譜峭度圖的滾動(dòng)軸承故障診斷方法
R[3]提出了譜峭度方法，尋找最大峭度值所對(duì)應(yīng)的頻帶，并對(duì)該頻帶內(nèi)信號(hào)進(jìn)行分析得到瞬態(tài)成分[4-5]。ANTONI[6-7]提出了快速譜峭度法，分別通過(guò)濾波器組結(jié)構(gòu)[6]和短時(shí)傅里葉變換[7]計(jì)算譜峭度。LEI等[8]提出改進(jìn)的譜峭度方法，克服了強(qiáng)噪聲對(duì)快速譜峭度方法的影響，改進(jìn)譜峭度法利用小波包變換從含噪信號(hào)中準(zhǔn)確檢測(cè)到瞬態(tài)成分，但是此方法在處理具有強(qiáng)非高斯噪聲的振動(dòng)信號(hào)時(shí)容易失效。為此，BARSZCZ等[9]提出了Protrugram方法，該方法克服了
中國(guó)機(jī)械工程 2021年7期2021-04-16
- 基于改進(jìn)譜基尼指數(shù)的快速譜峭度算法改進(jìn)
[1]提出基于譜峭度值的共振帶選取方法已經(jīng)被證明是一種非常有效的共振帶選取方法。文獻(xiàn)[2]表明，信號(hào)受到高幅值野點(diǎn)干擾時(shí)，譜峭度算法可能無(wú)法確定最優(yōu)的共振帶。為了解決譜峭度指標(biāo)對(duì)野點(diǎn)魯棒性不足的問(wèn)題，近年來(lái)學(xué)者們進(jìn)行了深入的研究，提出了一系列指標(biāo)替換譜峭度用于增強(qiáng)算法對(duì)野點(diǎn)魯棒性。文獻(xiàn)[3]考慮了故障信號(hào)的循環(huán)平穩(wěn)性與沖擊性并結(jié)合譜熵概念提出了Infogram指標(biāo)。文獻(xiàn)[4]提出了子頻帶均值指標(biāo)。文獻(xiàn)[5]考慮了沖擊的周期性，提出頻域相關(guān)峭度指標(biāo)。文獻(xiàn)[6
探索科學(xué)(學(xué)術(shù)版) 2020年3期2021-01-14
- 聯(lián)合快速峭度圖與變帶寬包絡(luò)譜峭度圖的輪對(duì)軸承復(fù)合故障檢測(cè)研究
著名的方法就是，峭度圖法(Kurtogram)[3]和快速峭度圖法(Fast Kurtogram)[4]。其核心思想是，先分層設(shè)定不同頻率分辨率(不同帶寬)的濾波器組，計(jì)算每一組濾波器內(nèi)信號(hào)的譜峭度值，將譜峭度值轉(zhuǎn)化為色標(biāo)，利用顏色指示存在故障信息的分解頻帶。因該方法計(jì)算簡(jiǎn)單、物理意義明確，診斷精度高，在軸承、齒輪等關(guān)鍵旋轉(zhuǎn)部件的故障檢測(cè)中得到了廣泛的應(yīng)用[5-11]。然而，筆者應(yīng)用快速峭度圖來(lái)提取輪對(duì)軸承的復(fù)合故障特征的研究發(fā)現(xiàn)，快速峭度圖能有效定位低密
鐵道機(jī)車車輛 2020年2期2020-05-20
- CEEMDAN輔助快速譜峭度圖算法的軸承故障診斷
一定的優(yōu)越性。譜峭度(Spectral Kurtosis，SK)的基本原理是在每個(gè)頻率下計(jì)算其對(duì)應(yīng)的峭度值，從而提取出各個(gè)頻率下發(fā)生瞬態(tài)現(xiàn)象的頻帶[7-8]，Dwyer最早提出了這一概念。文獻(xiàn)[9]～[11]提出了峭度圖的概念，是利用譜峭度作為STFT窗口寬度的函數(shù)，從而獲取濾波器的最優(yōu)參數(shù)，但這種方法由于處理時(shí)間過(guò)長(zhǎng)，因此不利于被應(yīng)用到工程實(shí)踐中去。后來(lái)，快速譜峭度圖(Fast Kurtogram，F(xiàn)K)的出現(xiàn)，不僅成功地保留了經(jīng)典峭度圖的計(jì)算精度，還極
機(jī)械工程師 2020年1期2020-02-11
- 基于譜峭度的同步提取變換方法及故障診斷應(yīng)用
率附近具有較大的峭度值，通過(guò)計(jì)算STFT 譜中各頻點(diǎn)的峭度特征，有效提取到信號(hào)中的非平穩(wěn)分量[8-9]?；跁r(shí)頻變換分辨率不高的問(wèn)題，于剛[10]在STFT 的基礎(chǔ)上提出一種新的時(shí)頻分析方法SET。該方法在STFT 的基礎(chǔ)上用兩個(gè)窗函數(shù)對(duì)信號(hào)進(jìn)行傅里葉變換，然后對(duì)得到的兩個(gè)新的一維信號(hào)對(duì)比分析，通過(guò)閾值對(duì)數(shù)據(jù)進(jìn)行篩檢，最后得到一組新的數(shù)據(jù)，也就是同步提取變換后的信號(hào)。同步提取變換具有時(shí)頻分辨率高，可用于模態(tài)分解、弱信號(hào)檢測(cè)、S 變換等方法和實(shí)時(shí)計(jì)算。但該文
設(shè)備管理與維修 2019年16期2019-12-23
- 基于相關(guān)峭度共振解調(diào)的滾動(dòng)軸承復(fù)合故障特征分離方法
濾波器組的快速譜峭度算法，通過(guò)計(jì)算和比較各子頻帶的譜峭度自適應(yīng)地定位共振頻帶，在軸承故障特征提取中取得了良好效果。文獻(xiàn)[7]將譜峭度應(yīng)用到軸承復(fù)合故障分析中，分別解調(diào)外圈及內(nèi)圈故障激起的共振頻帶，實(shí)現(xiàn)了軸承復(fù)合故障特征的分離。但是，文獻(xiàn)[8-9]指出，快速譜峭度算法容易受較高峰值脈沖的干擾，可能無(wú)法正確定位共振頻帶。同時(shí)，在軸承復(fù)合故障信號(hào)中，每一個(gè)軸承故障都可能會(huì)激起多個(gè)共振頻帶，當(dāng)不同共振頻帶之間的峭度相差較大時(shí)，相對(duì)較小峭度的共振頻帶容易被掩蓋，對(duì)復(fù)
振動(dòng)與沖擊 2019年8期2019-06-13
- 基于VMD-SWT滾動(dòng)軸承故障診斷方法研究＊
信號(hào)的時(shí)頻特征。峭度是描述隨機(jī)變量分布特性的數(shù)值統(tǒng)計(jì)量，反應(yīng)信號(hào)沖擊成分的大小。本文將最大峭度指標(biāo)引入 VMD，選擇出最優(yōu)分解模態(tài)數(shù)及懲罰因子 α，再利用峭度指標(biāo)選擇有效VMD分解分量從而從噪聲信號(hào)中提取出有效信息，最后使用 SWT提取信號(hào)中的時(shí)頻特征，從而有效判斷滾動(dòng)軸承的運(yùn)行狀態(tài)。相比于EMD等方法來(lái)說(shuō)，VMD具有嚴(yán)謹(jǐn)?shù)睦碚撝?，且是根?jù)中心頻率選取模態(tài)數(shù)，提高了計(jì)算效率，能夠?qū)⒃夹盘?hào)進(jìn)行分解從而獲得K個(gè)含有不同頻率成分的模態(tài)分量；SWT方法雖然能夠
汽車實(shí)用技術(shù) 2019年6期2019-04-11
- 基于改進(jìn)峭度圖法的滾動(dòng)軸承故障診斷
故障診斷中，常用峭度來(lái)檢測(cè)故障沖擊脈沖信號(hào)。最小熵解卷積[1](MED)方法是通過(guò)對(duì)濾波后的信號(hào)進(jìn)行頻譜分析來(lái)識(shí)別軸承故障及其類型，但是，在強(qiáng)烈背景噪聲干擾下，該方法的效果并不是很好。文獻(xiàn)[2]提出了譜峭度(SK)，以克服功率譜密度不能有效提取瞬態(tài)沖擊信號(hào)的缺點(diǎn)，該方法是通過(guò)計(jì)算每一頻率成分的峭度來(lái)識(shí)別非平穩(wěn)分量，進(jìn)而確定這些分量所在的頻帶。后來(lái)，文獻(xiàn)[3]基于樹狀濾波器組結(jié)構(gòu)提出了計(jì)算譜峭度的快速算法，被稱為快速峭度圖(fast kurtogram)?？?/div>
城市軌道交通研究 2019年2期2019-03-27
- 基于包絡(luò)譜帶通峭度的改進(jìn)譜峭度方法及在軸承診斷中的應(yīng)用
析誤差[1]。譜峭度(Spectral Kurtosis, SK)最早由Dwyer提出并用于檢測(cè)信號(hào)中非高斯分量的出現(xiàn)及所在譜線[2]。Antoni進(jìn)一步完善了SK的理論基礎(chǔ)且推廣了其應(yīng)用范圍[3]，并將SK方法中獲得的最大峭度值作為狀態(tài)監(jiān)測(cè)指標(biāo)值，以最大峭度值所在SK曲線為依據(jù)設(shè)計(jì)帶通濾波器進(jìn)行滾動(dòng)軸承故障檢測(cè)[4]。為提高SK的執(zhí)行效率以適合工業(yè)現(xiàn)場(chǎng)使用，Antoni提出了基于FIR濾波器的快速譜峭度方法(Fast Spectral Kurtosis,振動(dòng)與沖擊 2018年23期2018-12-21
- 基于互相關(guān)—峭度和小波軟閾值的EEMD降噪方法研究
基于互相關(guān)系數(shù)—峭度準(zhǔn)則的EMD降噪方法并應(yīng)用在了滾動(dòng)軸承的故障診斷。李輝等[6]將EMD與Teager能量算子結(jié)合用于齒輪箱軸承故障檢測(cè)，可以有效地識(shí)別故障。張淑清等[7]將EMD算法與Duffing振子相結(jié)合，用于小電流系統(tǒng)故障。EMD算法應(yīng)用范圍廣，如S.J.Loutridis[8]將EMD應(yīng)用于檢測(cè)軸承系統(tǒng)的故障。楊宇等[9]用EMD算法結(jié)合神經(jīng)網(wǎng)絡(luò)診斷算法，先用EMD算法對(duì)原始信號(hào)預(yù)處理，再?gòu)腎MF分量中提取各頻帶能量作為神經(jīng)網(wǎng)絡(luò)診斷方法的特征參- 變分模態(tài)分解和改進(jìn)的自適應(yīng)共振技術(shù)在軸承故障特征提取中的應(yīng)用
定模態(tài)數(shù)，提出了峭度最大值的模態(tài)數(shù)確定方法；然后，對(duì)原始振動(dòng)信號(hào)進(jìn)行VMD分解，獲得既定數(shù)目的本征模態(tài)分量（Intrinsic Mode Function， IMF）；其次，利用IART選取包含豐富故障信息的IMF分量；最后，（如有需要）對(duì)選取的IMF分量進(jìn)行基于IART的帶通濾波，并進(jìn)行包絡(luò)解調(diào)分析提取故障特征頻率。將該方法應(yīng)用到軸承仿真數(shù)據(jù)和實(shí)際數(shù)據(jù)中，能夠?qū)崿F(xiàn)軸承故障特征的精確診斷，證明了該方法的有效性。關(guān)鍵詞： 故障診斷； 滾動(dòng)軸承； 變分模態(tài)分解振動(dòng)工程學(xué)報(bào) 2018年4期2018-09-29
- 一種基于EMD和典型譜峭圖的改進(jìn)型共振解調(diào)方法
變化和多樣性。譜峭度方法對(duì)含有沖擊信息的信號(hào)十分敏感，可以通過(guò)比較各個(gè)頻帶上的峭度值從而精確定位譜峭度值最大時(shí)所在的頻帶[4-6]。文獻(xiàn)[7-9]重新定義了譜峭度并提出了快速譜峭圖的算法，但其采用頻帶交替二分和三分法進(jìn)行分解，所求得的頻帶往往過(guò)大[10]。典型譜峭圖算法可以針對(duì)性地自動(dòng)選擇濾波帶寬和中心頻率，彌補(bǔ)了快速譜峭圖帶寬過(guò)大的問(wèn)題[11],但當(dāng)振動(dòng)信號(hào)信噪比較低，噪聲干擾較大時(shí)，效果也不太理想。因此，為提高特征提取的準(zhǔn)確性，提出一種基于EMD和典型軸承 2018年2期2018-07-23
- 基于峭度分析的聲發(fā)射故障檢測(cè)
于 洋0 引言峭度是描述波形尖峰度的一個(gè)導(dǎo)出函數(shù)，反映出隨機(jī)變量分布特性的數(shù)值統(tǒng)計(jì)量，是歸一化的四階中心距，其定義為[1]：其中，X 為信號(hào)的幅值；P( X )為信號(hào)的概率密度函數(shù)。離散信號(hào)的峭度定義為：在聲發(fā)射的特征參數(shù)總有一個(gè)參數(shù)RMS（信號(hào)有效值），其定義為：因此峭度值K(或峭度系數(shù))可以表示為：峭度處理會(huì)使聲發(fā)射信號(hào)的能量得到放大，削弱較低噪聲信號(hào)的能量，這樣就會(huì)很好的凸顯聲發(fā)射信號(hào)。根據(jù)相關(guān)材料可知，當(dāng)沒(méi)有聲發(fā)射信號(hào)只有噪聲信號(hào)時(shí)（材料完好的時(shí)電子世界 2018年12期2018-07-04
- 基于典型譜相關(guān)峭度圖的滾動(dòng)軸承故障診斷方法
er最先提出了譜峭度方法，該方法對(duì)信號(hào)中的沖擊成分比較敏感，可以通過(guò)比較位于不同頻帶上的峭度值，確定譜峭度最大的頻帶，從而檢測(cè)出信號(hào)中隱藏的瞬態(tài)信息[4-5]?；谧V峭度原理，眾多學(xué)者提出了一系列優(yōu)秀的改進(jìn)方法用來(lái)確定共振頻帶，例如快速譜峭圖[6]、Protrugram算法[7]、典型快速譜峭度圖算法[8]、典型譜峭度圖算法等，近期受到了廣泛關(guān)注。然而，在復(fù)雜的實(shí)際工況下，采集到的振動(dòng)信號(hào)往往包含強(qiáng)烈的背景噪聲、非故障沖擊產(chǎn)生的瞬態(tài)信息和與轉(zhuǎn)頻相關(guān)的干擾分振動(dòng)與沖擊 2018年8期2018-05-02
- 基于最小熵解卷積的譜峭度法在行星齒輪箱故障診斷中的應(yīng)用
利用MED結(jié)合譜峭度（SK）提升了滾動(dòng)軸承中的故障檢測(cè)及診斷能力。文獻(xiàn)[6]使用最小熵反褶積（MED）與包絡(luò)譜相結(jié)合能夠檢測(cè)到滾動(dòng)軸承疲勞的影響。這些論文都表明，最小熵解卷積被成功的應(yīng)用于橫向振動(dòng)信號(hào)的旋轉(zhuǎn)機(jī)械故障診斷中，但沒(méi)有將最小熵解卷積應(yīng)用于行星齒輪扭轉(zhuǎn)振動(dòng)信號(hào)中。文獻(xiàn)[7]通過(guò)行星齒輪箱扭轉(zhuǎn)振動(dòng)信號(hào)的幅值調(diào)制和頻率調(diào)制對(duì)齒輪箱太陽(yáng)輪故障扭轉(zhuǎn)振動(dòng)信號(hào)進(jìn)行傅里葉頻譜及包絡(luò)譜分析得出了故障齒輪的幅值和頻率調(diào)制特征，但此方法在診斷齒輪故障時(shí)不能直接提取低頻制造業(yè)自動(dòng)化 2018年2期2018-03-14
- 一種多輸入多輸出非高斯隨機(jī)振動(dòng)試驗(yàn)方法
定的參考譜和參考峭度生成參考信號(hào)，其次根據(jù)頻域中的輸入輸出關(guān)系生成滿足要求的驅(qū)動(dòng)信號(hào)。采用相位調(diào)節(jié)法生成非高斯信號(hào)，由于相位調(diào)節(jié)法不改變?cè)盘?hào)的功率譜，因此可實(shí)現(xiàn)功率譜與峭度的獨(dú)立均衡控制；將矩陣冪次算法用于功率譜均衡，并提出了一種類似矩陣冪次算法的峭度均衡算法。最后，對(duì)一個(gè)三軸振動(dòng)臺(tái)臺(tái)面振動(dòng)環(huán)境進(jìn)行了控制試驗(yàn)，結(jié)果表明，臺(tái)面加速度響應(yīng)的功率譜密度被穩(wěn)定地控制在±3 dB容差限內(nèi)，響應(yīng)峭度也被穩(wěn)定地控制在參考值附近，從而驗(yàn)證了所提方法的有效性與可行性。關(guān)鍵振動(dòng)工程學(xué)報(bào) 2017年5期2018-03-05
- IEWT和FSK在齒輪與滾動(dòng)軸承故障診斷中的應(yīng)用
這種方法和快速譜峭度(fast spectral kurtosis，簡(jiǎn)稱FSK)相結(jié)合，進(jìn)行齒輪與滾動(dòng)軸承的故障診斷。首先，采用IEWT對(duì)信號(hào)進(jìn)行分解，篩選出故障特征最為明顯的2個(gè)分量并重構(gòu)信號(hào)；其次，對(duì)重構(gòu)信號(hào)進(jìn)行快速譜峭度濾波；最后，對(duì)濾波后的信號(hào)進(jìn)行包絡(luò)譜分析，提取出信號(hào)的故障特征。分析齒輪斷齒及滾動(dòng)軸承故障信號(hào)，與直接包絡(luò)譜和基于EMD經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition,簡(jiǎn)稱EMD)方法的FSK濾波包絡(luò)譜分析方法振動(dòng)、測(cè)試與診斷 2017年6期2018-01-04
- 一種改進(jìn)的峭度圖方法及其在復(fù)雜干擾下軸承故障診斷中的應(yīng)用
43)一種改進(jìn)的峭度圖方法及其在復(fù)雜干擾下軸承故障診斷中的應(yīng)用顧曉輝1,2, 楊紹普1,2, 劉永強(qiáng)2, 廖英英2(1.石家莊鐵道大學(xué) 交通運(yùn)輸學(xué)院，石家莊 050043；2.河北省交通工程結(jié)構(gòu)力學(xué)行為演變與與控制重點(diǎn)實(shí)驗(yàn)室，石家莊 050043)快速峭度圖是一種常用的滾動(dòng)軸承故障診斷方法，但由于峭度指標(biāo)對(duì)沖擊過(guò)于敏感，在干擾較復(fù)雜的工況中，該方法往往無(wú)法正確識(shí)別出最優(yōu)的共振頻帶進(jìn)行包絡(luò)解調(diào)。然而，解調(diào)信號(hào)的包絡(luò)譜對(duì)噪聲具有一定的免疫能力，而且包絡(luò)譜中通常振動(dòng)與沖擊 2017年23期2017-12-27
- 基于加權(quán)峭度的滾動(dòng)軸承故障特征提取
072)基于加權(quán)峭度的滾動(dòng)軸承故障特征提取陳祥龍1， 張兵志2， 馮輔周1， 江鵬程1(1. 裝甲兵工程學(xué)院機(jī)械工程系， 北京100072；2. 北京特種車輛研究所， 北京100072)針對(duì)峭度譜(Kurtogram)無(wú)法有效區(qū)別振動(dòng)信號(hào)中的瞬態(tài)故障沖擊和脈沖噪聲，難以準(zhǔn)確提取微弱的滾動(dòng)軸承故障特征的問(wèn)題，提出一種基于加權(quán)峭度(WeightedKurtosis,WK)的滾動(dòng)軸承故障特征提取方法，通過(guò)固定設(shè)置濾波帶寬，利用加權(quán)峭度識(shí)別共振中心頻率，確定帶通濾裝甲兵工程學(xué)院學(xué)報(bào) 2017年4期2017-09-16
- 基于VMD和快速譜峭度的滾動(dòng)軸承早期故障診斷
。文獻(xiàn)[7]將譜峭度作為STFT窗口的函數(shù)去得到最優(yōu)濾波器的參數(shù)，提出了峭度圖的概念，并將其應(yīng)用于故障診斷領(lǐng)域，但存在耗時(shí)長(zhǎng)的缺點(diǎn)?？焖僮V峭度(Fast Spectral Kurtogram，F(xiàn)SK)[8]不僅保留了峭度譜的優(yōu)點(diǎn)，還彌補(bǔ)了譜峭度方法計(jì)算時(shí)間太長(zhǎng)的缺點(diǎn)[9]。因此，針對(duì)軸承早期故障信號(hào)中噪聲干擾嚴(yán)重，故障頻率難以提取的問(wèn)題，提出了基于VMD降噪與快速譜峭度的軸承早期故障診斷方法。1 基礎(chǔ)理論介紹1.1 變分模態(tài)分解VMD處理信號(hào)的過(guò)程中，IM軸承 2017年12期2017-07-26
- 譜峭度在軸承故障振動(dòng)信號(hào)共振頻帶優(yōu)選中的應(yīng)用
00161)?譜峭度在軸承故障振動(dòng)信號(hào)共振頻帶優(yōu)選中的應(yīng)用于明奇1，夏均忠2，陳成法2，汪治安1，劉鯤鵬1(1.軍事交通學(xué)院 研究生管理大隊(duì)，天津 300161； 2.軍事交通學(xué)院 軍用車輛系，天津 300161)在滾動(dòng)軸承故障振動(dòng)信號(hào)分析中，為減少采集信號(hào)共振頻帶對(duì)解調(diào)效果的影響，利用譜峭度方法確定共振頻帶的帶寬和中心頻率。首先解釋譜峭度的含義，分析基于短時(shí)傅里葉變換的譜峭度算法的不足；然后提出快速峭度圖和突起度圖兩種改進(jìn)方法，并分析其特點(diǎn)；最后通過(guò)仿真軍事交通學(xué)院學(xué)報(bào) 2017年5期2017-06-05
- 基于多自由度的小波包滾動(dòng)軸承故障診斷方法
1306)快速譜峭度圖是滾動(dòng)軸承故障診斷的有效方法，然而，該方法有可能將最佳頻帶分割到不同區(qū)域，造成對(duì)故障信息的識(shí)別能力不足，并且對(duì)隨機(jī)沖擊噪聲的免疫力較弱。根據(jù)滾動(dòng)軸承故障激發(fā)多個(gè)固有頻率的特點(diǎn)以及平均降噪原理，提出多自由度小波包診斷方法，選取適當(dāng)數(shù)量的小波包子帶信號(hào)，將所選子帶信號(hào)的頻譜平均處理，充分利用信號(hào)的有用信息，增強(qiáng)了對(duì)白噪聲及隨機(jī)沖擊噪聲的免疫力。對(duì)滾動(dòng)軸承故障仿真信號(hào)及實(shí)測(cè)信號(hào)分別應(yīng)用快速有限沖擊響應(yīng)(FIR)，譜峭度方法，小波包譜峭度方法上海電機(jī)學(xué)院學(xué)報(bào) 2016年6期2017-01-11
- 變轉(zhuǎn)速下滾動(dòng)軸承階比峭度圖法故障特征提取
速下滾動(dòng)軸承階比峭度圖法故障特征提取柏 林， 甄 杰， 彭 暢， 徐冠基(重慶大學(xué)機(jī)械傳動(dòng)國(guó)家重點(diǎn)實(shí)驗(yàn)室 重慶，400044)結(jié)合傳統(tǒng)階比分析和峭度圖算法的優(yōu)勢(shì)，利用計(jì)算階比跟蹤方法將時(shí)域非平穩(wěn)信號(hào)轉(zhuǎn)換為角域平穩(wěn)信號(hào)，并利用峭度指標(biāo)準(zhǔn)確表征滾動(dòng)軸承振動(dòng)信號(hào)中的故障瞬態(tài)沖擊大小，提出了階比峭度圖算法。仿真故障信號(hào)及實(shí)測(cè)滾動(dòng)軸承外圈故障信號(hào)分析結(jié)果表明，階比峭度圖算法能夠有效識(shí)別階比域內(nèi)的最優(yōu)包絡(luò)解調(diào)頻帶參數(shù)，顯著提高了變轉(zhuǎn)速工況下滾動(dòng)軸承故障特征提取的準(zhǔn)確性振動(dòng)、測(cè)試與診斷 2016年4期2016-12-07
- 基于CEEMD和譜峭度的軸承故障診斷
于CEEMD和譜峭度的軸承故障診斷姜建國(guó) 劉盈萱(東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶 163318)針對(duì)共振解調(diào)在滾動(dòng)軸承故障診斷應(yīng)用中帶通濾波器參數(shù)選擇困難的情況，提出一種互補(bǔ)總體平均經(jīng)驗(yàn)?zāi)B(tài)分解方法(CEEMD)與譜峭度相結(jié)合的軸承故障診斷新方法。通過(guò)實(shí)際信號(hào)驗(yàn)證了該方法的可行性與準(zhǔn)確性。軸承 故障診斷 互補(bǔ)總體平均經(jīng)驗(yàn)?zāi)B(tài)分解 譜峭度故障診斷是根據(jù)系統(tǒng)的測(cè)量數(shù)據(jù)和故障庫(kù)中的知識(shí)來(lái)判斷系統(tǒng)是否發(fā)生故障的過(guò)程[1]。共振解調(diào)是滾動(dòng)軸承故障診斷中最化工自動(dòng)化及儀表 2016年10期2016-11-22
- 基于相空間獨(dú)立分量分析及峭度貢獻(xiàn)系數(shù)的早期故障分析方法研究
間獨(dú)立分量分析及峭度貢獻(xiàn)系數(shù)的早期故障分析方法研究陳建國(guó)1， 王珍1， 李宏坤2(1.大連大學(xué) 機(jī)械工程學(xué)院，遼寧大連116622; 2.大連理工大學(xué) 振動(dòng)工程研究所，遼寧大連116023)獨(dú)立分量分析方法在信號(hào)分析中具有振源分離的特點(diǎn),但由于機(jī)械設(shè)備早期故障信號(hào)具有強(qiáng)背景噪聲及振源復(fù)雜等特點(diǎn)，獨(dú)立分量分析方法對(duì)于單通道強(qiáng)背景噪聲信號(hào)中的早期故障檢測(cè)也無(wú)法取得滿意效果。因此提出相空間對(duì)獨(dú)立分量方法對(duì)其進(jìn)行振源分離及重構(gòu)，獲得早期故障成分較為集中的重構(gòu)信號(hào)，振動(dòng)與沖擊 2016年12期2016-08-04
- HHT與振動(dòng)峭度在滾動(dòng)軸承故障頻率特征提取中的應(yīng)用
）?HHT與振動(dòng)峭度在滾動(dòng)軸承故障頻率特征提取中的應(yīng)用申世英 （山東協(xié)和學(xué)院，濟(jì)南 250107）摘 要：針對(duì)滾動(dòng)軸承振動(dòng)信號(hào)故障特征提取問(wèn)題，提出了基于采用希爾伯特-黃變換與峭度指標(biāo)的滾動(dòng)軸承故障特征提取方法。該方法先求得多個(gè)正常狀態(tài)的標(biāo)準(zhǔn)化峭度值，后利用峭度指標(biāo)對(duì)軸承振動(dòng)信號(hào)經(jīng)驗(yàn)?zāi)B(tài)分解后的分量進(jìn)行分類，大于標(biāo)準(zhǔn)化峭度值的分量進(jìn)一步進(jìn)行希爾伯特譜變換，提取出滾動(dòng)軸承的故障頻率信息。該方法不僅能夠有效完整的提取故障頻率特征，同時(shí)大大提高了希爾伯特-黃變換山東工業(yè)技術(shù) 2016年2期2016-05-26
- 基于魯棒性小波包峭度圖的滾動(dòng)軸承故障診斷*
基于魯棒性小波包峭度圖的滾動(dòng)軸承故障診斷*彭 暢1，2， 柏 林2， 劉小峰2(1.中車青島四方機(jī)車車輛股份有限公司國(guó)家工程研究中心 青島，266111) (2.重慶大學(xué)機(jī)械傳動(dòng)國(guó)家重點(diǎn)實(shí)驗(yàn)室 重慶，400030)由于基于小波包變換濾波器的設(shè)計(jì)方法仍然是采用基于樣本四階矩的譜峭度，因此在實(shí)際應(yīng)用中可能會(huì)存在非魯棒性等問(wèn)題。在此基礎(chǔ)上定義了具有魯棒性的譜峭度系數(shù)，提出了基于小波包變換的具有魯棒性的峭度圖算法。滾動(dòng)軸承的實(shí)測(cè)信號(hào)驗(yàn)證了所提出的方法不僅能夠真實(shí)地振動(dòng)、測(cè)試與診斷 2016年1期2016-04-13
- Fast ICA盲分離算法在雷達(dá)抗主瓣干擾中的應(yīng)用研究
中，利用基于尋找峭度的局部極值點(diǎn)的Fast ICA盲分離算法分離接收到的主瓣干擾混合信號(hào)，通過(guò)脈壓找出目標(biāo)信號(hào)。仿真驗(yàn)證了算法用于抗主瓣干擾的有效性，該算法具有良好的抗干擾性能，在分離效率上具有較明顯的優(yōu)勢(shì)。關(guān)鍵詞：抗主瓣干擾；峭度；Fast ICA盲分離算法；脈壓0引言現(xiàn)代電子戰(zhàn)中，千方百計(jì)提高雷達(dá)的抗干擾性能已成為雷達(dá)設(shè)計(jì)師所面臨的嚴(yán)峻任務(wù)。為了提高雷達(dá)在復(fù)雜電磁干擾環(huán)境中的生存能力，已經(jīng)采用了超低旁瓣、旁瓣匿影、旁瓣對(duì)消等抗干擾措施。但當(dāng)干擾信號(hào)從主現(xiàn)代雷達(dá) 2015年12期2016-01-22
- 基于1.5維 Teager 峭度譜的滾動(dòng)軸承故障診斷研究
5維Teager峭度譜的滾動(dòng)軸承故障診斷研究唐貴基，龐彬(華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院，河北保定071003)摘要：滾動(dòng)軸承故障振動(dòng)信號(hào)中的沖擊成分呈現(xiàn)顯著的非高斯性，高階累積量和高階譜技術(shù)是處理非高斯信號(hào)的良好分析工具。在四階累積量-Teager峭度的基礎(chǔ)上提出滑動(dòng)Teager峭度的分析方法，并聯(lián)合三階譜-1.5維譜，提出基于1.5維Teager峭度譜的滾動(dòng)軸承故障診斷方法。該方法首先對(duì)軸承故障信號(hào)進(jìn)行滑動(dòng)Teager峭度計(jì)算，獲得一個(gè)反應(yīng)故障信號(hào)振動(dòng)與沖擊 2015年15期2016-01-15
- 基于EEMD的共振解調(diào)技術(shù)在列車軸承故障診斷中的應(yīng)用
，計(jì)算每個(gè)分量的峭度值，選取峭度值大于3的IMF分量相加，合成新的信號(hào)；然后，對(duì)新的合成信號(hào)進(jìn)行譜峭度分析，得到?jīng)_擊成分所在的頻帶，并據(jù)此設(shè)計(jì)帶通濾波器對(duì)合成信號(hào)進(jìn)行濾波處理；最后，對(duì)濾波后的信號(hào)進(jìn)行Hilbert變換和頻譜分析，提取沖擊成分的頻率，并與理論故障頻率對(duì)比，進(jìn)行故障診斷。分別對(duì)外圈故障、滾動(dòng)體故障、保持架故障的軸承進(jìn)行振動(dòng)試驗(yàn)，并利用此方法對(duì)試驗(yàn)結(jié)果進(jìn)行分析，結(jié)果表明，該方法能夠有效地識(shí)別列車輪對(duì)軸承的故障信息。關(guān)鍵詞： EEMD； 峭度；現(xiàn)代電子技術(shù) 2015年21期2015-11-09
- 基于Moors譜峭度圖的高速列車軸承故障診斷方法
故障振動(dòng)信號(hào)。譜峭度圖算法由于能夠衡量軸承振動(dòng)信號(hào)中的瞬態(tài)沖擊程度，從而識(shí)別故障特征最為明顯的成份所在的頻帶并為后續(xù)解調(diào)分析提供依據(jù)，得到了廣泛關(guān)注與迅速發(fā)展。Antoni和Randall[5]提出了基于短時(shí)傅里葉變換的譜峭度圖及其快速算法，成功過(guò)濾出故障瞬態(tài)信號(hào)成分。Lei等[6]提出了改進(jìn)的基于小波包變換的譜峭度算法，從而提高了軸承微弱故障特征提取的準(zhǔn)確性。在以上分析的基礎(chǔ)上，本文針對(duì)列車軸承故障診斷中的強(qiáng)噪聲干擾問(wèn)題，提出了一種基于Moors譜峭度圖制造業(yè)自動(dòng)化 2015年16期2015-08-23
- 基于諧波小波分解與譜峭度的齒輪故障診斷
諧波小波分解與譜峭度的齒輪故障診斷梁瑞剛,樊新海 （裝甲兵工程學(xué)院機(jī)械工程系,北京 100072）為提高對(duì)低信噪比齒輪振動(dòng)信號(hào)診斷的準(zhǔn)確性，本文提出一種諧波小波包與峭度準(zhǔn)則相結(jié)合的診斷方法。該方法首先利用諧波小波包對(duì)故障信號(hào)進(jìn)行分解，然后以峭度準(zhǔn)則對(duì)細(xì)節(jié)系數(shù)做選擇后重構(gòu)信號(hào)，最后對(duì)重構(gòu)信號(hào)做包絡(luò)譜分析，從而分析出故障頻率。該方法與常用的小波包系數(shù)能量法相比，具有精度高、對(duì)信號(hào)信噪比要求低等特點(diǎn)。齒輪；故障診斷；諧波小波包；峭度0 引言齒輪作為一種主要的傳動(dòng)山東工業(yè)技術(shù) 2015年21期2015-08-01
- 基于快速譜峭度圖的EEMD內(nèi)稟模態(tài)分量選取方法*
0)?基于快速譜峭度圖的EEMD內(nèi)稟模態(tài)分量選取方法*蔣 超1，劉樹林1，姜銳紅1，王 波1,2(1.上海大學(xué)機(jī)電工程與自動(dòng)化學(xué)院 上海，200072) (2.滁州學(xué)院機(jī)械與汽車工程學(xué)院 滁州，239000)針對(duì)在總體平均經(jīng)驗(yàn)?zāi)Ｊ椒纸?ensemble empirical mode decomposition，簡(jiǎn)稱EEMD)的多個(gè)內(nèi)稟模態(tài)分量(intrinsic mode function，簡(jiǎn)稱IMF)中，如何選取出反應(yīng)故障特征的敏感IMF的問(wèn)題，提出一種振動(dòng)、測(cè)試與診斷 2015年6期2015-06-13
- 基于負(fù)熵的隨機(jī)雙梯度算法
斯性，從而來(lái)克服峭度的不穩(wěn)健性.論文最后通過(guò)理論分析和仿真實(shí)驗(yàn)證明這種改進(jìn)的隨機(jī)雙梯度算法具有較好的分離效果且穩(wěn)定性高.關(guān)鍵詞 隨機(jī)雙梯度算法；獨(dú)立分量分析；負(fù)熵；峭度中圖分類號(hào) TP301.6 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1000-2537（2014）04-0084-04Abstract Stochastic dual-gradient algorithm is an important learning algorithm of independent- 一種基于譜峭度的異步電機(jī)故障診斷方法
靠性和準(zhǔn)確性。譜峭度（Spectral Kurtosis，SK）方法，最早由Dwyer 提出[12]。譜峭度是在峭度的概念上發(fā)展起來(lái)的一個(gè)時(shí)頻域檢測(cè)指標(biāo)，譜峭度對(duì)淹沒(méi)于噪聲中的非平穩(wěn)信號(hào)非常敏感，通過(guò)分析不同頻帶上的峭度值即可指示出故障的存在，實(shí)現(xiàn)早期故障診斷。在此基礎(chǔ)上發(fā)展而來(lái)的基于時(shí)頻分析的譜峭度法[13-15]，適用于強(qiáng)噪聲下的故障信號(hào)檢測(cè)。該法憑借其良好的統(tǒng)計(jì)特性已經(jīng)成功的應(yīng)用于機(jī)械振動(dòng)系統(tǒng)的故障診斷。目前主要應(yīng)用于滾動(dòng)軸承故障診斷中[16-22]電工技術(shù)學(xué)報(bào) 2014年5期2014-11-25
- 基于CWD譜峭度的暫態(tài)電能質(zhì)量擾動(dòng)識(shí)別
利于在線分析。譜峭度的概念最早由Dwyer提出，用來(lái)檢測(cè)含噪信號(hào)中的暫態(tài)成分[14]。隨后，Valeriu V.定義譜峭度為一個(gè)過(guò)程距離高斯性的度量，并在文獻(xiàn)[15]中將其應(yīng)用到滾動(dòng)軸承故障診斷中。Antoni J.在文獻(xiàn)[16]中系統(tǒng)定義了譜峭度，并提出了基于短時(shí)傅里葉變換（STFT）的譜峭度，論證了其具有檢測(cè)加性噪聲中非平穩(wěn)信號(hào)的能力。文獻(xiàn)[17]中采用基于STFT的譜峭度提取局部放電信號(hào)，論證了其良好的抑制干擾信號(hào)的能力。Sawalhi N.提出基于電力自動(dòng)化設(shè)備 2014年2期2014-09-27
- 基于MED及FSK的滾動(dòng)軸承微弱故障特征提取
具有重大意義。譜峭度(Spectral Kurtosis, SK)概念由Dwyer[1]提出，基本原理為計(jì)算每根譜線峭度值，而不同峭度值會(huì)反應(yīng)瞬態(tài)沖擊大小。Antoni等[2-3]將譜峭度值作為短時(shí)傅里葉窗口函數(shù)，通過(guò)譜峭度圖選擇帶通濾波器參數(shù)，并提出譜峭度離散算法。文獻(xiàn)[4]認(rèn)為信噪比較高時(shí)譜峭度能較好識(shí)別瞬態(tài)沖擊信號(hào)。由于軸承工作環(huán)境復(fù)雜，噪聲較大，復(fù)雜工況對(duì)譜峭度計(jì)算值會(huì)產(chǎn)生影響，從而對(duì)最優(yōu)帶通濾波帶寬及中心頻率計(jì)算產(chǎn)生誤差，影響診斷效果，需對(duì)微弱故振動(dòng)與沖擊 2014年14期2014-09-07
- 改進(jìn)增強(qiáng)峭度圖和增強(qiáng)包絡(luò)譜在滾動(dòng)軸承故障診斷上的應(yīng)用
r[2]就提出譜峭度(Spectral Kurtosis,SK)的概念，并將其作為功率譜密度的補(bǔ)充用于信號(hào)瞬態(tài)成分的提取，此后Antoni等[3-5]給出應(yīng)用SK進(jìn)行故障診斷的理論依據(jù)并先后提出基于短時(shí)傅里葉變換(STFT)的峭度圖方法及基于有限沖擊響應(yīng)濾波器(FIR)的快速峭度圖方法。然而,基于STFT和FIR的譜峭度法的抗干擾性均不夠好，當(dāng)被檢測(cè)信號(hào)的信噪比較低時(shí)，其準(zhǔn)確性將受限。為此文獻(xiàn)[6]提出一種基于二進(jìn)制小波包分解的增強(qiáng)峭度圖法，該方法與快速峭振動(dòng)與沖擊 2014年13期2014-09-07
- 基于Kalman濾波和譜峭度的滾動(dòng)軸承故障診斷
導(dǎo)致應(yīng)用受限。譜峭度[1]的基本原理是通過(guò)計(jì)算頻域中每根譜線的峭度值，從而在頻域中定位瞬態(tài)沖擊。文獻(xiàn)[2]提出將譜峭度值作為短時(shí)Fourier窗口函數(shù)，通過(guò)譜峭度圖選擇帶通濾波器的參數(shù)。針對(duì)譜峭度圖計(jì)算耗時(shí)的問(wèn)題，文獻(xiàn)[3]提出了快速譜峭度圖的概念。文獻(xiàn)[4]則指出在信噪比較高的情況下，譜峭度能夠較好地識(shí)別瞬態(tài)沖擊信號(hào)。軸承工作環(huán)境相對(duì)復(fù)雜，環(huán)境噪聲較大，而復(fù)雜工況對(duì)譜峭度計(jì)算值會(huì)產(chǎn)生影響，從而給最優(yōu)帶通濾波的帶寬和中心頻率的計(jì)算帶來(lái)誤差，影響診斷效果，因軸承 2014年8期2014-07-22
- 一種基于譜峭度的局部放電信號(hào)提取新方法
確。本文提出將譜峭度 SK（Spectral Kurtosis）[11-12]的方法應(yīng)用到局部放電信號(hào)的提取中。譜峭度屬于高階統(tǒng)計(jì)量的范疇，是一個(gè)4階累積量，理論上能夠完全抑制高斯噪聲，表征信號(hào)中的非平穩(wěn)和非高斯信號(hào)，并且能夠確定其在頻帶上的位置。譜峭度方法憑借其良好的統(tǒng)計(jì)特性已經(jīng)在機(jī)械振動(dòng)系統(tǒng)的故障診斷，如齒輪故障診斷[13]、軸承早期故障診斷[14-15]中得到廣泛應(yīng)用，并取得了很好的成果。本文通過(guò)求取譜峭度，根據(jù)其設(shè)計(jì)自適應(yīng)最優(yōu)帶通濾波器，對(duì)局部放電電力自動(dòng)化設(shè)備 2013年8期2013-10-10
- 基于SVD降噪和譜峭度的滾動(dòng)軸承故障診斷
大影響[2]。譜峭度作為近幾年提出的信號(hào)指標(biāo)，可以有效地對(duì)帶通濾波器參數(shù)做最佳選擇[3-4]。奇異值分解[5](Singular value decomposition,SVD)在信號(hào)處理中主要用于信號(hào)的降噪和周期成分的提取[6]。在信號(hào)降噪處理中，如何選擇奇異值個(gè)數(shù)很關(guān)鍵，奇異值差分譜的最大突變點(diǎn)可以實(shí)現(xiàn)有效奇異值個(gè)數(shù)的準(zhǔn)確判斷[7-8]。因此，將SVD差分譜降噪與譜峭度結(jié)合，以應(yīng)用于軸承故障診斷中。1 奇異值差分譜降噪實(shí)矩陣A∈Rm×n, 不論其行列是軸承 2013年10期2013-07-21
- 暫態(tài)振蕩信號(hào)頻率檢測(cè)的M orlet小波譜峭度法
orlet小波譜峭度法張巧革，劉志剛，陳剛（西南交通大學(xué)電氣工程學(xué)院，成都 610031）針對(duì)電力系統(tǒng)暫態(tài)振蕩信號(hào)頻率檢測(cè)中存在的檢測(cè)過(guò)程復(fù)雜、易受噪聲影響且通用性不強(qiáng)的問(wèn)題，提出了一種基于Morlet復(fù)小波譜峭度的暫態(tài)振蕩信號(hào)頻率檢測(cè)方法。采用Morlet復(fù)小波對(duì)含噪暫態(tài)振蕩信號(hào)進(jìn)行小波分解獲得小波系數(shù)；利用小波系數(shù)絕對(duì)值計(jì)算信號(hào)的譜峭度；最后，通過(guò)最大值檢測(cè)方法實(shí)現(xiàn)對(duì)暫態(tài)振蕩的頻率檢測(cè)。針對(duì)譜峭度對(duì)噪聲適用范圍不明確的問(wèn)題，提出并定義相似度函數(shù)，用于分- 基于LMD的譜峭度方法在齒輪故障診斷中的應(yīng)用
征頻率［4］。譜峭度的概念由 Dwyer［5］提出，其實(shí)質(zhì)是在時(shí)頻分析后反映原始信號(hào)在每個(gè)譜段上的峭度大小，它能夠有效地反映非平穩(wěn)性的存在，檢測(cè)含噪信號(hào)中的瞬態(tài)成分［6］，對(duì)故障脈沖信號(hào)非常敏感，并明確地指出瞬態(tài)成分所在的頻帶，為濾波參數(shù)的選取提供依據(jù)。最早的譜峭度是基于短時(shí)傅里葉變換(STFT)提出的，具有一定時(shí)間長(zhǎng)度的窗口在時(shí)間軸上按一定的步長(zhǎng)移動(dòng)，計(jì)算移動(dòng)窗口內(nèi)的頻譜則得到不同時(shí)段信號(hào)的頻譜，然后對(duì)不同的頻帶計(jì)算其峭度即得到所謂的譜峭度。Antoni振動(dòng)與沖擊 2012年18期2012-09-15
- 基于EEMD、度量因子和快速峭度圖的滾動(dòng)軸承故障診斷方法
了廣泛的應(yīng)用。譜峭度用統(tǒng)計(jì)量檢測(cè)含噪信號(hào)中的瞬態(tài)成分，其概念最早由Dwyer[3]提出，Antoni等[4－6]系統(tǒng)的定義了譜峭度，并先后提出了基于STFT(短時(shí)傅里葉變換)的譜峭度法及譜峭度圖的快速算法，并將其應(yīng)用到旋轉(zhuǎn)機(jī)械的監(jiān)測(cè)和故障診斷中驗(yàn)證了該方法的有效性。此后有學(xué)者將EMD和譜峭度法聯(lián)合引入到滾動(dòng)軸承故障診斷應(yīng)用中，蘇文勝[7]結(jié)合EMD降噪作用和譜峭度的濾波器功能更好地診斷出了滾動(dòng)軸承的早期故障，蔡艷平[8]提出的將EMD、譜峭度和包絡(luò)法相結(jié)合振動(dòng)與沖擊 2012年20期2012-09-15
- Weibull隨機(jī)壽命的統(tǒng)計(jì)量
，斜度γ1和過(guò)盈峭度γ2。對(duì)于具有形狀參數(shù)κ和尺寸參數(shù)λ的二參數(shù)Weibull分布, 其計(jì)算公式為[1]中值median=λ(ln2)1/κ,式中：Γi=Γ(1+i/κ)，為Gamma函數(shù)；κ為形狀參數(shù)；λ為尺寸參數(shù)。值得注意的是，無(wú)量綱統(tǒng)計(jì)量都是形狀參數(shù)κ的函數(shù), 而與尺寸參數(shù)λ無(wú)關(guān)。 因此只要Weibull分布的形狀參數(shù)相同,其標(biāo)準(zhǔn)誤差、斜度和過(guò)盈峭度亦相同。通常研究者從試驗(yàn)數(shù)據(jù)出發(fā)，用極大似然法[1]或最大線性不變法[3]求出κ和λ,并計(jì)算擬合的可靠軸承 2012年3期2012-07-20
- 基于譜峭度法和自適應(yīng)遺傳算法的軸承故障診斷
的帶通濾波器。譜峭度對(duì)淹沒(méi)于噪聲中的非平穩(wěn)信號(hào)非常敏感，能更精確地指示出其發(fā)生的頻率位置。在此基礎(chǔ)上發(fā)展而來(lái)的基于時(shí)頻分析的譜峭度法(包括基于STFT[1]和基于WT的譜峭度法[2])，是一種可以有效且自動(dòng)進(jìn)行回轉(zhuǎn)機(jī)械故障診斷的方法。原始信號(hào)經(jīng)時(shí)頻分解(或時(shí)頻濾波器組分解)后，計(jì)算其譜峭度值并求最大值，以此最大譜峭度值構(gòu)造或?qū)ふ易顑?yōu)濾波器，對(duì)原始信號(hào)進(jìn)行最優(yōu)濾波，最后結(jié)合包絡(luò)分析法診斷故障?；跁r(shí)頻分析的譜峭度法能夠有效地得到較優(yōu)的帶通濾波器參數(shù)。而遺傳算軸承 2010年3期2010-07-31
- 滾動(dòng)軸承故障診斷的改進(jìn)小波變換譜峭度法
1]提出了基于譜峭度的改進(jìn)包絡(luò)分析法，此方法有效地實(shí)現(xiàn)了符合最佳包絡(luò)的頻帶的自動(dòng)檢測(cè)，并在實(shí)際工作中得到了檢驗(yàn)，但是其只研究了一組Morlet復(fù)小波濾波器組，沒(méi)有深入研究多組濾波器組比較下的最優(yōu)結(jié)果。文獻(xiàn)[2]對(duì)其進(jìn)行了改進(jìn)，設(shè)計(jì)了多組Morlet復(fù)小波濾波器組，每一組的濾波器數(shù)目不同，將這些濾波器組應(yīng)用到故障檢測(cè)中，選出最大譜峭度對(duì)應(yīng)的最優(yōu)Morlet復(fù)小波濾波器，利用此濾波器對(duì)原始信號(hào)的濾波結(jié)果，得到包絡(luò)分析結(jié)果，最終檢測(cè)故障頻率。需要指出的是由此法得軸承 2010年8期2010-07-27
- 基于包絡(luò)譜帶通峭度的改進(jìn)譜峭度方法及在軸承診斷中的應(yīng)用