系列文章目錄
提示：學習筆記
機械故障信號分析
共振峰
旋轉機械故障引起的振動信號調制效應概述
- 系列文章目錄
- 一、研究背景與意義
- 二、故障引起的調制效應分類
- 三、非平穩信號分析方法
- 3.1 時頻分析方法
- 3.2 信號分解方法
一、研究背景與意義
在工程實踐中，可以通過測量和分析各種物理信號（如振動、聲音、壓力、溫度等）來監測旋轉機械設施的運行狀態。基于振動的故障診斷技術在過去的二十年中受到了廣泛關注，因為振動信號易于采集且對機器故障敏感。一般來說，通過振動信號分析進行旋轉機械故障診斷需要關注并執行三個主要步驟：
- ??故障機理識別??
- 建立傳動元件故障與振動信號特征之間的映射關系
- 特征提取??
- 通過先進的信號分析方法從振動信號中提取故障引起的調幅(AM)和調頻(FM)特征
- 故障診斷??
- 基于故障機理和提取的故障信號特征進行機器故障診斷
二、故障引起的調制效應分類
根據內在調制機理，故障引起的信號調制效應主要可分為三類：
- ??周期性脈沖模式??
- 位于機械系統固有頻率附近的周期性脈沖模式。滾動軸承元件故障或齒輪故障通常會誘發具有周期性調幅效應的循環脈沖。
- 齒輪嚙合調頻分量??
- 由齒輪故障引起的齒輪嚙合調頻分量。
- 旋轉調頻分量??
- 由轉子故障引起的旋轉調頻分量。
除了在時頻域中反映的調制模式外，故障相關振動信號的頻域中還會出現具有故障引起的調制邊帶的特征頻譜分布。或者故障引起的調制效應與特征頻譜分布之間存在關系。
三、非平穩信號分析方法
調制效應是指信號的振幅或頻率隨時間變化的現象[15]。這種情況超出了基于傅里葉變換的經典平穩信號分析方法的處理能力，此時應采用非平穩信號分析方法。常用的非平穩信號分析方法大致可分為兩類：時頻分析(TFA)和信號分解。
3.1 時頻分析方法
時頻分析理論的發展受到20世紀中期量子力學的啟發。代表性的時頻分析方法包括：
? 經典方
短時傅里葉變換、小波變換和以Wigner-Ville分布為代表的雙線性分布
? 先進方法
時頻重分配方法和參數化時頻變換等
3.2 信號分解方法
信號分解是一個更近期的研究領域，始于20世紀末著名的經驗模式分解(EMD)[23]方法的提出。在過去二十年中，隨著一系列新穎的分解方法的提出，該領域經歷了蓬勃發展的時期，包括：
? 原子分解
? 集合經驗模式分解(EEMD)
? 經驗小波變換(EWT)
? 變分模式分解(VMD)
? 變分非線性調頻模式分解(VNCMD)
使用)
)
)
