裂纹转子系统扭转振动时频特性研究

基于简单铰链裂纹模型和局部柔度理论，建立了横向裂纹转子系统扭转振动的动力学模型，得到了裂纹转子扭转振动的数值仿真解，并有了呼吸裂纹转子系统存在着亚谐波共振特性，将小波技术引入到裂纹转子扭转振动时频特性的数值仿真研究中，结果发现裂纹转子的小波时频二维谱存在着6组大系数，小波三维谱表现为6个峰，相应的小波时频等高线表现为6组同心圆，从而表明可以利用裂纹转子扭转振动独特的时频特性作为监测转子系统横向裂纹的依据。     

转子叶片裂纹扩展故障诊断实验研究

设计了旋转机械振动监测实验台，通过实验采集了不同裂纹宽度的转子叶片裂纹振动信号，应用小波包分析技术对采集到的振动信号从低频到高频作4尺度小波分解，通过信号的小波包分析谱、信号的小波包分解频段细化图、信号频段小波重构波形对叶片裂纹扩展进行识别、分析，结果表明：叶片裂纹存在高频冲击，并且表现为轻微的颤动、裂纹扩展、振动加剧，当裂纹宽度为叶片宽度的一半时，裂纹迅速扩张，叶片很快断裂．这就为转子叶片裂纹故障的监测与诊断提供了依据．     

基于小波有限元的裂纹故障诊断

从线弹性断裂力学的角度考虑裂纹引起的局部附加柔度，进而构造了小波有限元裂纹刚度矩阵，提出了基于小波有限元的裂纹故障诊断算法，克服了裂纹奇异性给传统有限元算法造成的困难．将系统前3阶的固有频率作为输入，绘制裂纹等效刚度与裂纹位置的3条曲线，根据曲线的交点可以预测出裂纹的位置与尺寸．用于研究该算法精度的裂纹轴数值算例表明：裂纹位置与尺寸的辨识误差均不超过2%，这为工程实践中早期微弱裂纹的故障预示与诊断提供了新的方法．     

基于小波有限元模型的转子多裂纹识别方法

为解决旋转结构中多裂纹的定量识别问题,提出了一种基于小波有限元模型的转子多裂纹识别方法.首先从正问题入手,基于区间B样条小波有限元建立转子裂纹的精确辨识模型,利用该模型求解不同位置和深度的裂纹转子的固有频率,通过曲面拟合技术建立裂纹诊断数据库;然后从反问题切入,设计多裂纹识别算法;最后,正反问题相结合,通过等高线法实现转子裂纹位置与深度的定量识别.仿真结果表明:该方法能够高精度地对转子多裂纹进行识别,对工程中旋转结构中多裂纹的定量识别具有一定的指导意义.     

裂纹转子的振动特性与裂纹参数识别

基于Euler-Bernoulli理论和局部柔度理论，给出了停机状态单一开裂纹转子的连续模型．数值仿真研究了裂纹深度和裂纹位置对转子固有频率以及振型的影响，并提出了利用固有频率和振型识别裂纹参数的方法，仿真算例验证了该方法的有效性和可行性．     

裂纹转子振动的非线性特性分析

在裂纹转子的非线性特性分析中考虑了裂纹产生对转子两个方向刚度的影响，此为基础在旋转坐标下建立了裂纹转子的非线性动力学模型，裂纹的“开闭”取决于转子振动，不平衡与重力的综合作用，利用数值方法对裂纹转子的拓动响响进行了计算，并根据数值计算的结果分析转子系统振动随不平衡，转速等参数变化的分叉混沌特性，同时，对系统响应描率谱进行计算得出，亚谐波与高次谐波分量可作为识别裂纹的重要特征。     

小波分析在转子裂纹故障中的应用

为了模拟现实生产中旋转机械出现的转子裂纹故障,在单跨转子实验台上,对含有裂纹的转子系统进行了实验,把采集到的故障信号,利用三维谱振图和小波尺度图结合进行分析.结果表明:两种方法相结合可以更好地揭示裂纹故障信号的频率结构,特别是在1/2临界转速下能检测出能量相对较小的二倍频分量;系统在2倍临界转速时,会产生1/2次谐波共振,随着裂纹的加深,会产生高次谐波,这些频率特征可以作为诊断裂纹故障的一个依据.     

基于小波包分析的三相感应电动机转子断条故障诊断

转子断条是鼠笼型感应电动机常见故障之一,对定子电流进行信号处理,根据其中（1～2s）f1。特征频率的分量,可以方便地进行故障的诊断．但转子轻微断条或电机轻载时,转差率S很小,（1—2s）f1与f1这两个频率非常接近,用FFT做直接频谱分析时,（1—2s）f1频率分量会湮没在f1频率分量中,从而使检测（1—2s）f1频率分量是否存在变得非常困难,此外,当电机负载波动时,用FFT检测（1—2s）f1频率分量也比较困难．本文采用了基于小波包分析的感应电动机转子断条故障诊断方法,可以很好的解决上述问题,对于感应电动机断条故障的诊断,具有重要意义．     

基于小波除噪与时-频指数分布的故障诊断新技术

通过快速的小波任意尺度的分解,为具体分析与实现原始信号的信噪分离与干扰成分的剔除提供了有效手段,而改进的指数时－频分析技术能够同时实现时域与域的高分辨分析,有效地压缩交叉干扰项,从时域的相位时间特征与步域的尖谱特征的结合途径揭示了信号的构成本质,为故障诊断提供了强有力的工具。     

基于小波包和Elman神经网络的异步电机转子断条故障诊断方法

提出了一种基于小波包分析(WPA)和Elman神经网络的异步电机转子断条故障诊断方法.针对异步电机转子断条故障时定子电流出现的边频分量进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响.采用Elman神经网络对故障进行识别,并对Elman网络进行改进,在关联层增加了自反馈增益因子,提高了网络性能.以频带能量作为Elman神经网络识别故障的特征向量,建立从特征向量到电机转子断条故障之间的映射.试验结果表明:基于小波包分析提取的故障特征明显,由WPA和Elman神经网络构成的诊断系统,能有效地识别出转子断条故障,故障诊断准确率高.     

含初始弯曲裂纹转子振动特性

基于简单铰链裂纹模型，建立了含初始弯曲裂纹转子的动力学模型，得到了裂纹转子振动响应的仿真解；讨论了含初始弯曲裂纹转子的亚谐波共振特性及其与无初始弯曲裂纹转子频率成分的差异；数值仿真研究了刚度变化、初始弯曲、质量偏心以及质量偏心角对裂纹转子轴心轨迹的影响，从而为裂纹转子的故障诊断提供了依据．     

基于Hilbert变换和小波包能量分析的转子断条故障诊断

转子断条是笼型异步电机最常见故障之一.基于Hilbert变换和小波包频带能量分析方法,提出了一种新的笼型异步电机转子断条故障检测方法.对采集的定子电流信号进行Hilbert变换,消去定子电流中包含的直流分量,解决了转子断条故障特征分量容易被基波湮没、难以检测的问题.采用基于小波包频带能量分析方法,对转子断条故障进行识别.实验结果验证了方法的有效性.     

基于小波分析的齿轮箱故障诊断

对测取的齿轮箱振动信号进行了离散小波变换，提取了齿轮箱螺栓拉断的故障信息。结果表明，小波变换或小波分析为判断、预防同类事故提供了一种有效的分析手段。     

小波变换在汽轮机组动静碰摩故障诊断中的应用综述

小波变换在故障诊断的各个领域已经广泛应用,首先综述了汽轮机组动静碰摩的振动特征和诊断方法;小波分析应用于机械故障振动信号分析的优越性及其应用的进展和特点,介绍了小波变换技术在汽轮机组动静碰摩故障诊断的理论研究和实际应用,最后提出小波分析应用于碰摩故障诊断存在的问题以及对其应用前景的展望．     

小波分析在故障诊断中的应用

简述小波分析的数学原理和小波分析在故障诊断中的应用机理，并以钻井泥浆泵为例，分析了小波分析在故障诊断中的应用。结果表明，用小波降噪的方法先对泵阀信号进行处理后再进行特征提取和故障诊断变得容易；用小波进行泵阀信号的消噪可很好地保存瞬态冲击信号中的尖锋和突变部分。