峭度
- 低信噪比下的滾動軸承早期微弱故障識別?
檢測［12］。譜峭度法是近年來發(fā)展起來的4階譜統(tǒng)計量，通過分析整個頻帶內信號譜峭度大小，能夠有效地發(fā)現(xiàn)沖擊信號所處的共振頻帶中心頻率及其帶寬，設計帶通濾波器提取故障沖擊信號，再進行包絡譜分析實現(xiàn)故障頻率特征檢測［13-15］。該方法在滾動軸承故障診斷中得到了一定的應用［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)，而直接采用包絡譜分析同樣能夠實現(xiàn)故障診斷。筆者對滾動軸承從完好逐漸發(fā)展到損傷失效的全壽命周期試驗數(shù)據(jù)進行分析，結果表明，對于軸承
振動、測試與診斷 2023年6期2024-01-05
- MIMO 窄帶加寬帶非高斯隨機振動試驗
18］根據(jù)相位與峭度的關系，提出了相位調節(jié)法生成非高斯隨機信號，該方法僅對隨機相位部分進行調整，因此不會對信號的功率譜產生影響。在國內，陳家焱［19］、吳家駒［20］、夏靜［21］、朱大鵬［22］等均對非高斯隨機振動進行了相關研究。窄帶加寬帶非高斯隨機混合振動試驗中，由于窄帶隨機信號的能量在較窄的頻率范圍內要遠大于寬帶隨機信號，所以常用的ZMNL 變換方法并不適用于RoR 非高斯隨機振動環(huán)境試驗?？紤]到RoR 非高斯振動信號功率譜的動態(tài)范圍特征，采用相位調
航空學報 2023年8期2023-06-27
- 基于非平穩(wěn)非高斯隨機振動的航天結構疲勞壽命分析
分析方法，研究了峭度和跌宕周期對疲勞壽命的影響。結果表明峭度和跌宕周期對疲勞壽命有顯著的影響。研究結果對于提高環(huán)境試驗真實度、改善疲勞壽命試驗技術具有參考意義。非平穩(wěn)；非高斯；疲勞壽命；跌宕周期0 引 言結構振動疲勞是指結構所受動態(tài)交變載荷的頻率分布與結構固有頻率接近時，結構共振所導致的疲勞破壞現(xiàn)象[1]。結構的疲勞壽命主要取決于關鍵部位的應力響應幅值。在實驗室中，經(jīng)常使用隨機振動試驗方法來考核產品的疲勞強度，認為隨機振動更符合實際使用環(huán)境。對于大多數(shù)的隨
導彈與航天運載技術 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。最大相關峭度解卷積(Maximum Correlated Kurtosis Deconvolution， MCKD)[3-5]是用相關峭度為評價指標，其降低了信號的噪聲成分，提升了信號的峭度。文獻[6-9]將MCKD應用于軸承故障特征信號提取，減弱了噪聲成分，加強了軸承故障信號中周期性沖擊成分，提取出明顯的故障特征，達到對軸承故障精確診斷。峭度是一個經(jīng)典的非高斯性度量指標。一般，隨機信號的非高斯性程度既可以使用峭度絕對值來度量，也可以使用峭度的平方
機床與液壓 2023年1期2023-02-03
- 基于短時峭度法的鋼絲繩損傷檢測及定位研究
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，常用于檢測沖擊信號，現(xiàn)已被應用到軸承故障診斷、轉子故障診斷、齒輪箱故障診斷等領域。但是，峭度在鋼絲繩損傷檢測中的應用卻還近乎空白。鋼絲繩通常由鐵磁性材料制成，具有非常高的磁導率。勵磁后的鋼絲繩如果沒有出現(xiàn)缺陷，磁力線就會被緊密約束在鋼絲繩中。如果鋼絲繩存在缺陷，那么缺陷處的磁導率就會發(fā)生改變，導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中就是一個較大的沖擊。因此，峭度同樣可以應用到
礦山機械 2022年12期2022-12-15
- 基于重加權譜峭度方法的航空發(fā)動機故障診斷
通濾波器的快速譜峭度方法(Fast Kurtogram),該方法能夠自適應地獲取合適的濾波器中心頻率和帶寬,實現(xiàn)對故障特征的有效提取,因此得到了廣泛的應用。Barszcz和Randall將此方法應用于風電行星齒輪箱故障檢測中,在齒輪故障前幾周檢測到了齒輪裂紋的存在。為更有效的提取故障特征,許多學者對此做出了改進,如：Lei等認為小波包變換在時頻域內具有更好的局部特性,因此利用小波包變換替代短時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
航空學報 2022年9期2022-10-14
- CEEMDAN輔助快速譜峭度的滾動軸承故障診斷方法
1]將EEMD和峭度最大準則相結合篩選出有效分量，再利用包絡解調方法進行滾動軸承故障診斷；田晶等[2]將EEMD與空域相關降噪聯(lián)合實現(xiàn)滾動軸承的故障診斷；李利品等[3]對EEMD算法進行了改進并將其應用在多相流檢測中；周將坤等[4]建立了EMD與BP神經(jīng)網(wǎng)絡結合的故障診斷系統(tǒng)；師少達等[5]用細菌覓食優(yōu)化算法來優(yōu)化EEMD的參數(shù)，以軸承為例驗證了該方法的有效性。EEMD能解決模態(tài)混合問題，但無法從不明顯的早期故障信號中提取出有效的故障特征。自適應噪聲完備經(jīng)
輕工機械 2022年3期2022-07-10
- 高階相關峭度反卷積逆濾波器及磁導航野點識別?
第一次提出了譜峭度的含義，峭度是一個無量綱參數(shù)或者統(tǒng)計量。峭度對信號中的瞬態(tài)成分十分敏感，常被用于滾動軸承的狀態(tài)監(jiān)測以及故障診斷中。由于磁導航信號在野點干擾下，趨于非平穩(wěn)分布，故將峭度的含義引入磁導航信號處理辦法中。2012 年，McDonald 提出了最大相關峭度反卷積算法，在早期，該算法被用于故障信號的檢測。文獻［2］以輸出信號峭度的絕對值和接近性量度函數(shù)的乘積作為目標優(yōu)化函數(shù)，有效避免了人為選擇閾值參數(shù)和步長。文獻［3］以峭度絕對值為對比函數(shù)推導出
計算機與數(shù)字工程 2022年12期2022-03-18
- 自適應譜峭度圖及其在滾動軸承故障診斷中的應用
，林建輝自適應譜峭度圖及其在滾動軸承故障診斷中的應用何倩，易彩，吳文逸，林建輝（西南交通大學 牽引動力國家重點實驗室，四川 成都 610031）提出了一種新的自適應譜峭度圖方法。首先采用CEEMDAN方法分解信號的傅里葉頻譜，然后對得到的低頻IMF分量與殘差項進行分層累加計算，對每一層的頻譜趨勢尋找極小值點，使其作為頻譜劃分邊界，將劃分后的各頻段通過正交濾波器并利用峭度指標對劃分后信號中的故障信息進行評估，構造出一種新的自適應譜峭度圖。該方法能夠克服快速譜
機械 2022年11期2022-02-04
- 調頻率自適應匹配線性變換及其對旋轉機械故障診斷研究
LT）。利用最大峭度準則指導選取每個時刻合適的調頻率，并且只保留與所選調頻率相關的時頻分布用于構造最終的時頻表示;擴展原始線性變換基函數(shù)，使所提AMCLT方法在無需迭代情況下可同時完成對多分量非線性調頻信號的分析。此外，對所提AMCLT方法進行了信號重構分析，可實現(xiàn)對信號中目標頻率分量的時域信號重構。振動信號處理結果表明，在時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干擾的時頻表示;在特征提取方面，所提方法可更加準確地提取旋轉機械振動信號中
振動工程學報 2021年5期2021-12-16
- 基于EEMD和快速譜峭度的滾動軸承故障診斷研究*
5]將EEMD與峭度準則的包絡解調方法相結合,提取了滾動軸承的故障特征信息,實現(xiàn)了對故障軸承的診斷。目前,學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。王夢人[6]利用EEMD與譜峭度結合的方法,對旋轉機械進行了故障診斷。蔣超等人[7]針對總體平均經(jīng)驗模式分解獲取了的每一個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EMD方法對振動信號進行分解會產生模態(tài)混合等現(xiàn)象,而EEMD則是通過添加白
機電工程 2021年10期2021-10-27
- 基于參數(shù)自適應的VMD滾動軸承故障診斷
了一種平均包絡譜峭度結合平均樣本熵優(yōu)化的VMD 及加權合成峭度提取最優(yōu)IMF 的軸承故障診斷方法，逐個優(yōu)化VMD 參數(shù)，得到最優(yōu)[K,α]，再對信號進行分解，選擇加權合成峭度值最大IMF 作為最優(yōu)IMF，包絡譜分析后判別故障類型。經(jīng)軸承內圈故障仿真信號及實際軸承內、外圈數(shù)據(jù)驗證，表明本文方法可有效實現(xiàn)軸承內、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)篩選過程，將固有模態(tài)函數(shù)重新定義為幅頻調制信號，其表達式如下：
噪聲與振動控制 2021年5期2021-10-22
- 基于譜峭度的滾動軸承故障診斷方法
5]。本文運用譜峭度法能自適應地尋找共振頻帶，準確診斷出軸承故障。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，其結構也各式各樣，但基本結構有四大部分：內圈、外圈、滾動體和保持架[6]。①內圈：通常固定在軸頸上隨軸一起轉動，其外表面有供滾動體運動的滾道；②外圈：通常固定在軸承座或殼體上，作用是支撐滾動體，其內表面也有供滾動體運動的滾道；③滾動體：裝在內圈和外圈之間，是軸承中受力的地方，其中的個數(shù)、形狀決定了軸承運轉的時效；④保持架：將滾動體均勻的分割
設備管理與維修 2021年9期2021-07-29
- 基于自適應自相關譜峭度圖的滾動軸承故障診斷方法
R[3]提出了譜峭度方法，尋找最大峭度值所對應的頻帶，并對該頻帶內信號進行分析得到瞬態(tài)成分[4-5]。ANTONI[6-7]提出了快速譜峭度法，分別通過濾波器組結構[6]和短時傅里葉變換[7]計算譜峭度。LEI等[8]提出改進的譜峭度方法，克服了強噪聲對快速譜峭度方法的影響，改進譜峭度法利用小波包變換從含噪信號中準確檢測到瞬態(tài)成分，但是此方法在處理具有強非高斯噪聲的振動信號時容易失效。為此，BARSZCZ等[9]提出了Protrugram方法，該方法克服了
中國機械工程 2021年7期2021-04-16
- 基于改進譜基尼指數(shù)的快速譜峭度算法改進
[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[2]表明，信號受到高幅值野點干擾時，譜峭度算法可能無法確定最優(yōu)的共振帶。為了解決譜峭度指標對野點魯棒性不足的問題，近年來學者們進行了深入的研究，提出了一系列指標替換譜峭度用于增強算法對野點魯棒性。文獻[3]考慮了故障信號的循環(huán)平穩(wěn)性與沖擊性并結合譜熵概念提出了Infogram指標。文獻[4]提出了子頻帶均值指標。文獻[5]考慮了沖擊的周期性，提出頻域相關峭度指標。文獻[6
探索科學(學術版) 2020年3期2021-01-14
- 聯(lián)合快速峭度圖與變帶寬包絡譜峭度圖的輪對軸承復合故障檢測研究
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，先分層設定不同頻率分辨率(不同帶寬)的濾波器組，計算每一組濾波器內信號的譜峭度值，將譜峭度值轉化為色標，利用顏色指示存在故障信息的分解頻帶。因該方法計算簡單、物理意義明確，診斷精度高，在軸承、齒輪等關鍵旋轉部件的故障檢測中得到了廣泛的應用[5-11]。然而，筆者應用快速峭度圖來提取輪對軸承的復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頻率下計算其對應的峭度值，從而提取出各個頻率下發(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[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間過長，因此不利于被應用到工程實踐中去。后來，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)典峭度圖的計算精度，還極
機械工程師 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用
率附近具有較大的峭度值，通過計算STFT 譜中各頻點的峭度特征，有效提取到信號中的非平穩(wěn)分量[8-9]?；跁r頻變換分辨率不高的問題，于剛[10]在STFT 的基礎上提出一種新的時頻分析方法SET。該方法在STFT 的基礎上用兩個窗函數(shù)對信號進行傅里葉變換，然后對得到的兩個新的一維信號對比分析，通過閾值對數(shù)據(jù)進行篩檢，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。同步提取變換具有時頻分辨率高，可用于模態(tài)分解、弱信號檢測、S 變換等方法和實時計算。但該文
設備管理與維修 2019年16期2019-12-23
- 基于相關峭度共振解調的滾動軸承復合故障特征分離方法
濾波器組的快速譜峭度算法，通過計算和比較各子頻帶的譜峭度自適應地定位共振頻帶，在軸承故障特征提取中取得了良好效果。文獻[7]將譜峭度應用到軸承復合故障分析中，分別解調外圈及內圈故障激起的共振頻帶，實現(xiàn)了軸承復合故障特征的分離。但是，文獻[8-9]指出，快速譜峭度算法容易受較高峰值脈沖的干擾，可能無法正確定位共振頻帶。同時，在軸承復合故障信號中，每一個軸承故障都可能會激起多個共振頻帶，當不同共振頻帶之間的峭度相差較大時，相對較小峭度的共振頻帶容易被掩蓋，對復
振動與沖擊 2019年8期2019-06-13
- 基于VMD-SWT滾動軸承故障診斷方法研究＊
信號的時頻特征。峭度是描述隨機變量分布特性的數(shù)值統(tǒng)計量，反應信號沖擊成分的大小。本文將最大峭度指標引入 VMD，選擇出最優(yōu)分解模態(tài)數(shù)及懲罰因子 α，再利用峭度指標選擇有效VMD分解分量從而從噪聲信號中提取出有效信息，最后使用 SWT提取信號中的時頻特征，從而有效判斷滾動軸承的運行狀態(tài)。相比于EMD等方法來說，VMD具有嚴謹?shù)睦碚撝?，且是根?jù)中心頻率選取模態(tài)數(shù)，提高了計算效率，能夠將原始信號進行分解從而獲得K個含有不同頻率成分的模態(tài)分量；SWT方法雖然能夠
汽車實用技術 2019年6期2019-04-11
- 基于改進峭度圖法的滾動軸承故障診斷
故障診斷中，常用峭度來檢測故障沖擊脈沖信號。最小熵解卷積[1](MED)方法是通過對濾波后的信號進行頻譜分析來識別軸承故障及其類型，但是，在強烈背景噪聲干擾下，該方法的效果并不是很好。文獻[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)沖擊信號的缺點，該方法是通過計算每一頻率成分的峭度來識別非平穩(wěn)分量，進而確定這些分量所在的頻帶。后來，文獻[3]基于樹狀濾波器組結構提出了計算譜峭度的快速算法，被稱為快速峭度圖(fast kurtogram)。快
城市軌道交通研究 2019年2期2019-03-27
- 基于包絡譜帶通峭度的改進譜峭度方法及在軸承診斷中的應用
析誤差[1]。譜峭度(Spectral Kurtosis, SK)最早由Dwyer提出并用于檢測信號中非高斯分量的出現(xiàn)及所在譜線[2]。Antoni進一步完善了SK的理論基礎且推廣了其應用范圍[3]，并將SK方法中獲得的最大峭度值作為狀態(tài)監(jiān)測指標值，以最大峭度值所在SK曲線為依據(jù)設計帶通濾波器進行滾動軸承故障檢測[4]。為提高SK的執(zhí)行效率以適合工業(yè)現(xiàn)場使用，Antoni提出了基于FIR濾波器的快速譜峭度方法(Fast Spectral Kurtosis,
振動與沖擊 2018年23期2018-12-21
- 基于互相關—峭度和小波軟閾值的EEMD降噪方法研究
基于互相關系數(shù)—峭度準則的EMD降噪方法并應用在了滾動軸承的故障診斷。李輝等[6]將EMD與Teager能量算子結合用于齒輪箱軸承故障檢測，可以有效地識別故障。張淑清等[7]將EMD算法與Duffing振子相結合，用于小電流系統(tǒng)故障。EMD算法應用范圍廣，如S.J.Loutridis[8]將EMD應用于檢測軸承系統(tǒng)的故障。楊宇等[9]用EMD算法結合神經(jīng)網(wǎng)絡診斷算法，先用EMD算法對原始信號預處理，再從IMF分量中提取各頻帶能量作為神經(jīng)網(wǎng)絡診斷方法的特征參
石家莊鐵道大學學報(自然科學版) 2018年4期2018-12-21
- 變分模態(tài)分解和改進的自適應共振技術在軸承故障特征提取中的應用
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，對原始振動信號進行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）對選取的IMF分量進行基于IART的帶通濾波，并進行包絡解調分析提取故障特征頻率。將該方法應用到軸承仿真數(shù)據(jù)和實際數(shù)據(jù)中，能夠實現(xiàn)軸承故障特征的精確診斷，證明了該方法的有效性。關鍵詞： 故障診斷； 滾動軸承； 變分模態(tài)分解
振動工程學報 2018年4期2018-09-29
- 一種基于EMD和典型譜峭圖的改進型共振解調方法
變化和多樣性。譜峭度方法對含有沖擊信息的信號十分敏感，可以通過比較各個頻帶上的峭度值從而精確定位譜峭度值最大時所在的頻帶[4-6]。文獻[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行分解，所求得的頻帶往往過大[10]。典型譜峭圖算法可以針對性地自動選擇濾波帶寬和中心頻率，彌補了快速譜峭圖帶寬過大的問題[11],但當振動信號信噪比較低，噪聲干擾較大時，效果也不太理想。因此，為提高特征提取的準確性，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
于 洋0 引言峭度是描述波形尖峰度的一個導出函數(shù)，反映出隨機變量分布特性的數(shù)值統(tǒng)計量，是歸一化的四階中心距，其定義為[1]：其中，X 為信號的幅值；P( X )為信號的概率密度函數(shù)。離散信號的峭度定義為：在聲發(fā)射的特征參數(shù)總有一個參數(shù)RMS（信號有效值），其定義為：因此峭度值K(或峭度系數(shù))可以表示為：峭度處理會使聲發(fā)射信號的能量得到放大，削弱較低噪聲信號的能量，這樣就會很好的凸顯聲發(fā)射信號。根據(jù)相關材料可知，當沒有聲發(fā)射信號只有噪聲信號時（材料完好的時
電子世界 2018年12期2018-07-04
- 基于典型譜相關峭度圖的滾動軸承故障診斷方法
er最先提出了譜峭度方法，該方法對信號中的沖擊成分比較敏感，可以通過比較位于不同頻帶上的峭度值，確定譜峭度最大的頻帶，從而檢測出信號中隱藏的瞬態(tài)信息[4-5]?；谧V峭度原理，眾多學者提出了一系列優(yōu)秀的改進方法用來確定共振頻帶，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，近期受到了廣泛關注。然而，在復雜的實際工況下，采集到的振動信號往往包含強烈的背景噪聲、非故障沖擊產生的瞬態(tài)信息和與轉頻相關的干擾分
振動與沖擊 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用
利用MED結合譜峭度（SK）提升了滾動軸承中的故障檢測及診斷能力。文獻[6]使用最小熵反褶積（MED）與包絡譜相結合能夠檢測到滾動軸承疲勞的影響。這些論文都表明，最小熵解卷積被成功的應用于橫向振動信號的旋轉機械故障診斷中，但沒有將最小熵解卷積應用于行星齒輪扭轉振動信號中。文獻[7]通過行星齒輪箱扭轉振動信號的幅值調制和頻率調制對齒輪箱太陽輪故障扭轉振動信號進行傅里葉頻譜及包絡譜分析得出了故障齒輪的幅值和頻率調制特征，但此方法在診斷齒輪故障時不能直接提取低頻
制造業(yè)自動化 2018年2期2018-03-14
- 一種多輸入多輸出非高斯隨機振動試驗方法
定的參考譜和參考峭度生成參考信號，其次根據(jù)頻域中的輸入輸出關系生成滿足要求的驅動信號。采用相位調節(jié)法生成非高斯信號，由于相位調節(jié)法不改變原信號的功率譜，因此可實現(xiàn)功率譜與峭度的獨立均衡控制；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，對一個三軸振動臺臺面振動環(huán)境進行了控制試驗，結果表明，臺面加速度響應的功率譜密度被穩(wěn)定地控制在±3 dB容差限內，響應峭度也被穩(wěn)定地控制在參考值附近，從而驗證了所提方法的有效性與可行性。關鍵
振動工程學報 2017年5期2018-03-05
- IEWT和FSK在齒輪與滾動軸承故障診斷中的應用
這種方法和快速譜峭度(fast spectral kurtosis，簡稱FSK)相結合，進行齒輪與滾動軸承的故障診斷。首先，采用IEWT對信號進行分解，篩選出故障特征最為明顯的2個分量并重構信號；其次，對重構信號進行快速譜峭度濾波；最后，對濾波后的信號進行包絡譜分析，提取出信號的故障特征。分析齒輪斷齒及滾動軸承故障信號，與直接包絡譜和基于EMD經(jīng)驗模態(tài)分解(empirical mode decomposition,簡稱EMD)方法的FSK濾波包絡譜分析方法
振動、測試與診斷 2017年6期2018-01-04
- 一種改進的峭度圖方法及其在復雜干擾下軸承故障診斷中的應用
43)一種改進的峭度圖方法及其在復雜干擾下軸承故障診斷中的應用顧曉輝1,2, 楊紹普1,2, 劉永強2, 廖英英2(1.石家莊鐵道大學 交通運輸學院，石家莊 050043；2.河北省交通工程結構力學行為演變與與控制重點實驗室，石家莊 050043)快速峭度圖是一種常用的滾動軸承故障診斷方法，但由于峭度指標對沖擊過于敏感，在干擾較復雜的工況中，該方法往往無法正確識別出最優(yōu)的共振頻帶進行包絡解調。然而，解調信號的包絡譜對噪聲具有一定的免疫能力，而且包絡譜中通常
振動與沖擊 2017年23期2017-12-27
- 基于加權峭度的滾動軸承故障特征提取
072)基于加權峭度的滾動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. 裝甲兵工程學院機械工程系， 北京100072；2. 北京特種車輛研究所， 北京100072)針對峭度譜(Kurtogram)無法有效區(qū)別振動信號中的瞬態(tài)故障沖擊和脈沖噪聲，難以準確提取微弱的滾動軸承故障特征的問題，提出一種基于加權峭度(WeightedKurtosis,WK)的滾動軸承故障特征提取方法，通過固定設置濾波帶寬，利用加權峭度識別共振中心頻率，確定帶通濾
裝甲兵工程學院學報 2017年4期2017-09-16
- 基于VMD和快速譜峭度的滾動軸承早期故障診斷
。文獻[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，并將其應用于故障診斷領域，但存在耗時長的缺點。快速譜峭度(Fast Spectral Kurtogram，F(xiàn)SK)[8]不僅保留了峭度譜的優(yōu)點，還彌補了譜峭度方法計算時間太長的缺點[9]。因此，針對軸承早期故障信號中噪聲干擾嚴重，故障頻率難以提取的問題，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 基礎理論介紹1.1 變分模態(tài)分解VMD處理信號的過程中，IM
軸承 2017年12期2017-07-26
- 譜峭度在軸承故障振動信號共振頻帶優(yōu)選中的應用
00161)?譜峭度在軸承故障振動信號共振頻帶優(yōu)選中的應用于明奇1，夏均忠2，陳成法2，汪治安1，劉鯤鵬1(1.軍事交通學院 研究生管理大隊，天津 300161； 2.軍事交通學院 軍用車輛系，天津 300161)在滾動軸承故障振動信號分析中，為減少采集信號共振頻帶對解調效果的影響，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方法，并分析其特點；最后通過仿真
軍事交通學院學報 2017年5期2017-06-05
- 基于多自由度的小波包滾動軸承故障診斷方法
1306)快速譜峭度圖是滾動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，造成對故障信息的識別能力不足，并且對隨機沖擊噪聲的免疫力較弱。根據(jù)滾動軸承故障激發(fā)多個固有頻率的特點以及平均降噪原理，提出多自由度小波包診斷方法，選取適當數(shù)量的小波包子帶信號，將所選子帶信號的頻譜平均處理，充分利用信號的有用信息，增強了對白噪聲及隨機沖擊噪聲的免疫力。對滾動軸承故障仿真信號及實測信號分別應用快速有限沖擊響應(FIR)，譜峭度方法，小波包譜峭度方法
上海電機學院學報 2016年6期2017-01-11
- 變轉速下滾動軸承階比峭度圖法故障特征提取
速下滾動軸承階比峭度圖法故障特征提取柏 林， 甄 杰， 彭 暢， 徐冠基(重慶大學機械傳動國家重點實驗室 重慶，400044)結合傳統(tǒng)階比分析和峭度圖算法的優(yōu)勢，利用計算階比跟蹤方法將時域非平穩(wěn)信號轉換為角域平穩(wěn)信號，并利用峭度指標準確表征滾動軸承振動信號中的故障瞬態(tài)沖擊大小，提出了階比峭度圖算法。仿真故障信號及實測滾動軸承外圈故障信號分析結果表明，階比峭度圖算法能夠有效識別階比域內的最優(yōu)包絡解調頻帶參數(shù)，顯著提高了變轉速工況下滾動軸承故障特征提取的準確性
振動、測試與診斷 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 劉盈萱(東北石油大學電氣信息工程學院，黑龍江 大慶 163318)針對共振解調在滾動軸承故障診斷應用中帶通濾波器參數(shù)選擇困難的情況，提出一種互補總體平均經(jīng)驗模態(tài)分解方法(CEEMD)與譜峭度相結合的軸承故障診斷新方法。通過實際信號驗證了該方法的可行性與準確性。軸承 故障診斷 互補總體平均經(jīng)驗模態(tài)分解 譜峭度故障診斷是根據(jù)系統(tǒng)的測量數(shù)據(jù)和故障庫中的知識來判斷系統(tǒng)是否發(fā)生故障的過程[1]。共振解調是滾動軸承故障診斷中最
化工自動化及儀表 2016年10期2016-11-22
- 基于相空間獨立分量分析及峭度貢獻系數(shù)的早期故障分析方法研究
間獨立分量分析及峭度貢獻系數(shù)的早期故障分析方法研究陳建國1， 王珍1， 李宏坤2(1.大連大學 機械工程學院，遼寧大連116622; 2.大連理工大學 振動工程研究所，遼寧大連116023)獨立分量分析方法在信號分析中具有振源分離的特點,但由于機械設備早期故障信號具有強背景噪聲及振源復雜等特點，獨立分量分析方法對于單通道強背景噪聲信號中的早期故障檢測也無法取得滿意效果。因此提出相空間對獨立分量方法對其進行振源分離及重構，獲得早期故障成分較為集中的重構信號，
振動與沖擊 2016年12期2016-08-04
- HHT與振動峭度在滾動軸承故障頻率特征提取中的應用
）?HHT與振動峭度在滾動軸承故障頻率特征提取中的應用申世英 （山東協(xié)和學院，濟南 250107）摘 要：針對滾動軸承振動信號故障特征提取問題，提出了基于采用希爾伯特-黃變換與峭度指標的滾動軸承故障特征提取方法。該方法先求得多個正常狀態(tài)的標準化峭度值，后利用峭度指標對軸承振動信號經(jīng)驗模態(tài)分解后的分量進行分類，大于標準化峭度值的分量進一步進行希爾伯特譜變換，提取出滾動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，同時大大提高了希爾伯特-黃變換
山東工業(yè)技術 2016年2期2016-05-26
- 基于魯棒性小波包峭度圖的滾動軸承故障診斷*
基于魯棒性小波包峭度圖的滾動軸承故障診斷*彭 暢1，2， 柏 林2， 劉小峰2(1.中車青島四方機車車輛股份有限公司國家工程研究中心 青島，266111) (2.重慶大學機械傳動國家重點實驗室 重慶，400030)由于基于小波包變換濾波器的設計方法仍然是采用基于樣本四階矩的譜峭度，因此在實際應用中可能會存在非魯棒性等問題。在此基礎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。滾動軸承的實測信號驗證了所提出的方法不僅能夠真實地
振動、測試與診斷 2016年1期2016-04-13
- Fast ICA盲分離算法在雷達抗主瓣干擾中的應用研究
中，利用基于尋找峭度的局部極值點的Fast ICA盲分離算法分離接收到的主瓣干擾混合信號，通過脈壓找出目標信號。仿真驗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。關鍵詞：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，千方百計提高雷達的抗干擾性能已成為雷達設計師所面臨的嚴峻任務。為了提高雷達在復雜電磁干擾環(huán)境中的生存能力，已經(jīng)采用了超低旁瓣、旁瓣匿影、旁瓣對消等抗干擾措施。但當干擾信號從主
現(xiàn)代雷達 2015年12期2016-01-22
- 基于1.5維 Teager 峭度譜的滾動軸承故障診斷研究
5維Teager峭度譜的滾動軸承故障診斷研究唐貴基，龐彬(華北電力大學能源動力與機械工程學院，河北保定071003)摘要：滾動軸承故障振動信號中的沖擊成分呈現(xiàn)顯著的非高斯性，高階累積量和高階譜技術是處理非高斯信號的良好分析工具。在四階累積量-Teager峭度的基礎上提出滑動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峭度譜的滾動軸承故障診斷方法。該方法首先對軸承故障信號進行滑動Teager峭度計算，獲得一個反應故障信號
振動與沖擊 2015年15期2016-01-15
- 基于EEMD的共振解調技術在列車軸承故障診斷中的應用
，計算每個分量的峭度值，選取峭度值大于3的IMF分量相加，合成新的信號；然后，對新的合成信號進行譜峭度分析，得到?jīng)_擊成分所在的頻帶，并據(jù)此設計帶通濾波器對合成信號進行濾波處理；最后，對濾波后的信號進行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比，進行故障診斷。分別對外圈故障、滾動體故障、保持架故障的軸承進行振動試驗，并利用此方法對試驗結果進行分析，結果表明，該方法能夠有效地識別列車輪對軸承的故障信息。關鍵詞： EEMD； 峭度；
現(xiàn)代電子技術 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
故障振動信號。譜峭度圖算法由于能夠衡量軸承振動信號中的瞬態(tài)沖擊程度，從而識別故障特征最為明顯的成份所在的頻帶并為后續(xù)解調分析提供依據(jù)，得到了廣泛關注與迅速發(fā)展。Antoni和Randall[5]提出了基于短時傅里葉變換的譜峭度圖及其快速算法，成功過濾出故障瞬態(tài)信號成分。Lei等[6]提出了改進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確性。在以上分析的基礎上，本文針對列車軸承故障診斷中的強噪聲干擾問題，提出了一種基于Moors譜峭度圖
制造業(yè)自動化 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 （裝甲兵工程學院機械工程系,北京 100072）為提高對低信噪比齒輪振動信號診斷的準確性，本文提出一種諧波小波包與峭度準則相結合的診斷方法。該方法首先利用諧波小波包對故障信號進行分解，然后以峭度準則對細節(jié)系數(shù)做選擇后重構信號，最后對重構信號做包絡譜分析，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、對信號信噪比要求低等特點。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
山東工業(yè)技術 2015年21期2015-08-01
- 基于快速譜峭度圖的EEMD內稟模態(tài)分量選取方法*
0)?基于快速譜峭度圖的EEMD內稟模態(tài)分量選取方法*蔣 超1，劉樹林1，姜銳紅1，王 波1,2(1.上海大學機電工程與自動化學院 上海，200072) (2.滁州學院機械與汽車工程學院 滁州，239000)針對在總體平均經(jīng)驗模式分解(ensemble empirical mode decomposition，簡稱EEMD)的多個內稟模態(tài)分量(intrinsic mode function，簡稱IMF)中，如何選取出反應故障特征的敏感IMF的問題，提出一種
振動、測試與診斷 2015年6期2015-06-13
- 基于負熵的隨機雙梯度算法
斯性，從而來克服峭度的不穩(wěn)健性.論文最后通過理論分析和仿真實驗證明這種改進的隨機雙梯度算法具有較好的分離效果且穩(wěn)定性高.關鍵詞 隨機雙梯度算法；獨立分量分析；負熵；峭度中圖分類號 TP301.6 文獻標識碼 A 文章編號 1000-2537（2014）04-0084-04Abstract Stochastic dual-gradient algorithm is an important learning algorithm of independent
湖南師范大學學報·自然科學版 2014年6期2015-04-09
- 一種基于譜峭度的異步電機故障診斷方法
靠性和準確性。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)展起來的一個時頻域檢測指標，譜峭度對淹沒于噪聲中的非平穩(wěn)信號非常敏感，通過分析不同頻帶上的峭度值即可指示出故障的存在，實現(xiàn)早期故障診斷。在此基礎上發(fā)展而來的基于時頻分析的譜峭度法[13-15]，適用于強噪聲下的故障信號檢測。該法憑借其良好的統(tǒng)計特性已經(jīng)成功的應用于機械振動系統(tǒng)的故障診斷。目前主要應用于滾動軸承故障診斷中[16-22]
電工技術學報 2014年5期2014-11-25
- 基于CWD譜峭度的暫態(tài)電能質量擾動識別
利于在線分析。譜峭度的概念最早由Dwyer提出，用來檢測含噪信號中的暫態(tài)成分[14]。隨后，Valeriu V.定義譜峭度為一個過程距離高斯性的度量，并在文獻[15]中將其應用到滾動軸承故障診斷中。Antoni J.在文獻[16]中系統(tǒng)定義了譜峭度，并提出了基于短時傅里葉變換（STFT）的譜峭度，論證了其具有檢測加性噪聲中非平穩(wěn)信號的能力。文獻[17]中采用基于STFT的譜峭度提取局部放電信號，論證了其良好的抑制干擾信號的能力。Sawalhi N.提出基于
電力自動化設備 2014年2期2014-09-27
- 基于MED及FSK的滾動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，基本原理為計算每根譜線峭度值，而不同峭度值會反應瞬態(tài)沖擊大小。Antoni等[2-3]將譜峭度值作為短時傅里葉窗口函數(shù)，通過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[4]認為信噪比較高時譜峭度能較好識別瞬態(tài)沖擊信號。由于軸承工作環(huán)境復雜，噪聲較大，復雜工況對譜峭度計算值會產生影響，從而對最優(yōu)帶通濾波帶寬及中心頻率計算產生誤差，影響診斷效果，需對微弱故
振動與沖擊 2014年14期2014-09-07
- 改進增強峭度圖和增強包絡譜在滾動軸承故障診斷上的應用
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充用于信號瞬態(tài)成分的提取，此后Antoni等[3-5]給出應用SK進行故障診斷的理論依據(jù)并先后提出基于短時傅里葉變換(STFT)的峭度圖方法及基于有限沖擊響應濾波器(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，當被檢測信號的信噪比較低時，其準確性將受限。為此文獻[6]提出一種基于二進制小波包分解的增強峭度圖法，該方法與快速峭
振動與沖擊 2014年13期2014-09-07
- 基于Kalman濾波和譜峭度的滾動軸承故障診斷
導致應用受限。譜峭度[1]的基本原理是通過計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[2]提出將譜峭度值作為短時Fourier窗口函數(shù)，通過譜峭度圖選擇帶通濾波器的參數(shù)。針對譜峭度圖計算耗時的問題，文獻[3]提出了快速譜峭度圖的概念。文獻[4]則指出在信噪比較高的情況下，譜峭度能夠較好地識別瞬態(tài)沖擊信號。軸承工作環(huán)境相對復雜，環(huán)境噪聲較大，而復雜工況對譜峭度計算值會產生影響，從而給最優(yōu)帶通濾波的帶寬和中心頻率的計算帶來誤差，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提取新方法
確。本文提出將譜峭度 SK（Spectral Kurtosis）[11-12]的方法應用到局部放電信號的提取中。譜峭度屬于高階統(tǒng)計量的范疇，是一個4階累積量，理論上能夠完全抑制高斯噪聲，表征信號中的非平穩(wěn)和非高斯信號，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)計特性已經(jīng)在機械振動系統(tǒng)的故障診斷，如齒輪故障診斷[13]、軸承早期故障診斷[14-15]中得到廣泛應用，并取得了很好的成果。本文通過求取譜峭度，根據(jù)其設計自適應最優(yōu)帶通濾波器，對局部放電
電力自動化設備 2013年8期2013-10-10
- 基于SVD降噪和譜峭度的滾動軸承故障診斷
大影響[2]。譜峭度作為近幾年提出的信號指標，可以有效地對帶通濾波器參數(shù)做最佳選擇[3-4]。奇異值分解[5](Singular value decomposition,SVD)在信號處理中主要用于信號的降噪和周期成分的提取[6]。在信號降噪處理中，如何選擇奇異值個數(shù)很關鍵，奇異值差分譜的最大突變點可以實現(xiàn)有效奇異值個數(shù)的準確判斷[7-8]。因此，將SVD差分譜降噪與譜峭度結合，以應用于軸承故障診斷中。1 奇異值差分譜降噪實矩陣A∈Rm×n, 不論其行列是
軸承 2013年10期2013-07-21
- 暫態(tài)振蕩信號頻率檢測的M orlet小波譜峭度法
orlet小波譜峭度法張巧革，劉志剛，陳剛（西南交通大學電氣工程學院，成都 610031）針對電力系統(tǒng)暫態(tài)振蕩信號頻率檢測中存在的檢測過程復雜、易受噪聲影響且通用性不強的問題，提出了一種基于Morlet復小波譜峭度的暫態(tài)振蕩信號頻率檢測方法。采用Morlet復小波對含噪暫態(tài)振蕩信號進行小波分解獲得小波系數(shù)；利用小波系數(shù)絕對值計算信號的譜峭度；最后，通過最大值檢測方法實現(xiàn)對暫態(tài)振蕩的頻率檢測。針對譜峭度對噪聲適用范圍不明確的問題，提出并定義相似度函數(shù)，用于分
電力系統(tǒng)及其自動化學報 2013年5期2013-07-05
- 基于LMD的譜峭度方法在齒輪故障診斷中的應用
征頻率［4］。譜峭度的概念由 Dwyer［5］提出，其實質是在時頻分析后反映原始信號在每個譜段上的峭度大小，它能夠有效地反映非平穩(wěn)性的存在，檢測含噪信號中的瞬態(tài)成分［6］，對故障脈沖信號非常敏感，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傅里葉變換(STFT)提出的，具有一定時間長度的窗口在時間軸上按一定的步長移動，計算移動窗口內的頻譜則得到不同時段信號的頻譜，然后對不同的頻帶計算其峭度即得到所謂的譜峭度。Antoni
振動與沖擊 2012年18期2012-09-15
- 基于EEMD、度量因子和快速峭度圖的滾動軸承故障診斷方法
了廣泛的應用。譜峭度用統(tǒng)計量檢測含噪信號中的瞬態(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(短時傅里葉變換)的譜峭度法及譜峭度圖的快速算法，并將其應用到旋轉機械的監(jiān)測和故障診斷中驗證了該方法的有效性。此后有學者將EMD和譜峭度法聯(lián)合引入到滾動軸承故障診斷應用中，蘇文勝[7]結合EMD降噪作用和譜峭度的濾波器功能更好地診斷出了滾動軸承的早期故障，蔡艷平[8]提出的將EMD、譜峭度和包絡法相結合
振動與沖擊 2012年20期2012-09-15
- Weibull隨機壽命的統(tǒng)計量
，斜度γ1和過盈峭度γ2。對于具有形狀參數(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，無量綱統(tǒng)計量都是形狀參數(shù)κ的函數(shù), 而與尺寸參數(shù)λ無關。 因此只要Weibull分布的形狀參數(shù)相同,其標準誤差、斜度和過盈峭度亦相同。通常研究者從試驗數(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遺傳算法的軸承故障診斷
的帶通濾波器。譜峭度對淹沒于噪聲中的非平穩(wěn)信號非常敏感，能更精確地指示出其發(fā)生的頻率位置。在此基礎上發(fā)展而來的基于時頻分析的譜峭度法(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進行回轉機械故障診斷的方法。原始信號經(jīng)時頻分解(或時頻濾波器組分解)后，計算其譜峭度值并求最大值，以此最大譜峭度值構造或尋找最優(yōu)濾波器，對原始信號進行最優(yōu)濾波，最后結合包絡分析法診斷故障。基于時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
- 滾動軸承故障診斷的改進小波變換譜峭度法
1]提出了基于譜峭度的改進包絡分析法，此方法有效地實現(xiàn)了符合最佳包絡的頻帶的自動檢測，并在實際工作中得到了檢驗，但是其只研究了一組Morlet復小波濾波器組，沒有深入研究多組濾波器組比較下的最優(yōu)結果。文獻[2]對其進行了改進，設計了多組Morlet復小波濾波器組，每一組的濾波器數(shù)目不同，將這些濾波器組應用到故障檢測中，選出最大譜峭度對應的最優(yōu)Morlet復小波濾波器，利用此濾波器對原始信號的濾波結果，得到包絡分析結果，最終檢測故障頻率。需要指出的是由此法得
軸承 2010年8期2010-07-27