简介:摘要:滚动轴承是机械中最重要的零部件之一,因其所处工况恶劣常常会发生故障影响整个设备的性能,所以需要对其健康状态进行监测诊断。由于实际工况中速度常常处于波动状态,变转速下的故障诊断方法近年来成为众多学者研究的热点。阶次跟踪方法将时域信号变换到角域能够有效的消除速度波动被广泛运用与滚动轴承故障诊断当中,但是对于复合故障往往表现不佳,并且由于传感器的安装限制进一步增加了变转速工况下滚动轴承复合故障诊断的难度。为了克服上述难题,本文提出一种基于角域经验模态分解的变转速滚动轴承复合故障诊断方法,通过结合阶次跟踪方法与经验模态分解将单通道的时域信号转换为多通道的角域信号,再通过独立成分分析实现多故障的精确诊断。
简介:摘要:直升机不同飞行状态下的转速呈现非稳态特征,因此研究变转速条件下的直升机轴承故障诊断技术对于直升机状态监测十分必要。首先使用计算阶次跟踪方法将非稳态的时域信号变换为稳态的角域信号,再使用变分模态分解方法提取滚动轴承共振成分,最后使用包络谱对共振成分进行解调,依据故障特征频率确定轴承故障位置。
简介:摘要:齿轮是直升机重要的传动的部件,对直升机动力的传递起着不可或缺的作用,齿轮的可靠性将直接影响直升机的飞行安全。直升机飞行过程中速度不断变化,因此在直升机齿轮故障诊断中需要考虑转速对诊断结果的影响。本文针对直升机齿轮故障的特点,提出一种角域多分辨奇异值分解方法,通过将非稳态的时域信号转换为角域信号,再通过多分辨奇异值分解提取信号中的周期性成分能够有效降低噪声影响,准确识别出直升机齿轮故障,进一步直升机安全飞行能力。
简介:传统的f-x域经验模态分解法(Empiricalmodedecomposition,EMD)能够有效地对主要由水平同相轴构成的地震记录进行随机噪声衰减。然而,当同相轴倾斜时,f-x域经验模态分解法在衰减随机噪声的同时去除大部分有效信号。本文提出了一种基于f-x域经验模态分解法的改进算法。我们通过局部相似度对所去除的噪声信号中的有效信号进行提取。局部相似度可以用来检测噪声信号中的有效信号点并用来构造一权重算子进行信号提取。新方法与f-x域经验模态分解法、f-x域预测滤波法以及f-x域经验模态分解预测滤波法相比能够在衰减随机噪声的同时保留更多的有用信号。数值模拟实验以及实际地震资料处理结果均表明该方法能更为有效地去噪。
简介:在学习分解因式的过程中,同学们最容易犯的错误就是分解不彻底.所以,在进行分解时,要常常问一问自己:还可以继续分解吗?一、提取公因式后还可以用平方差公式分解