峭度_参考网

低信噪比下的滚动轴承早期微弱故障识别∗

检测［12］。谱峭度法是近年来发展起来的4阶谱统计量，通过分析整个频带内信号谱峭度大小，能够有效地发现冲击信号所处的共振频带中心频率及其带宽，设计带通滤波器提取故障冲击信号，再进行包络谱分析实现故障频率特征检测［13-15］。该方法在滚动轴承故障诊断中得到了一定的应用［14-18］，但这些研究集中于故障特征较为明显的轴承故障数据，而直接采用包络谱分析同样能够实现故障诊断。笔者对滚动轴承从完好逐渐发展到损伤失效的全寿命周期试验数据进行分析，结果表明，对于轴承

振动、测试与诊断 2023年6期2024-01-05

MIMO 窄带加宽带非高斯随机振动试验

18］根据相位与峭度的关系，提出了相位调节法生成非高斯随机信号，该方法仅对随机相位部分进行调整，因此不会对信号的功率谱产生影响。在国内，陈家焱［19］、吴家驹［20］、夏静［21］、朱大鹏［22］等均对非高斯随机振动进行了相关研究。窄带加宽带非高斯随机混合振动试验中，由于窄带随机信号的能量在较窄的频率范围内要远大于宽带随机信号，所以常用的ZMNL 变换方法并不适用于RoR 非高斯随机振动环境试验。考虑到RoR 非高斯振动信号功率谱的动态范围特征，采用相位调

航空学报 2023年8期2023-06-27

基于非平稳非高斯随机振动的航天结构疲劳寿命分析

分析方法，研究了峭度和跌宕周期对疲劳寿命的影响。结果表明峭度和跌宕周期对疲劳寿命有显著的影响。研究结果对于提高环境试验真实度、改善疲劳寿命试验技术具有参考意义。非平稳；非高斯；疲劳寿命；跌宕周期0 引言结构振动疲劳是指结构所受动态交变载荷的频率分布与结构固有频率接近时，结构共振所导致的疲劳破坏现象[1]。结构的疲劳寿命主要取决于关键部位的应力响应幅值。在实验室中，经常使用随机振动试验方法来考核产品的疲劳强度，认为随机振动更符合实际使用环境。对于大多数的随

导弹与航天运载技术 2023年2期2023-06-19

基于MCKD和峭度的液压泵故障特征提取

征提取。最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution， MCKD)[3-5]是用相关峭度为评价指标，其降低了信号的噪声成分，提升了信号的峭度。文献[6-9]将MCKD应用于轴承故障特征信号提取，减弱了噪声成分，加强了轴承故障信号中周期性冲击成分，提取出明显的故障特征，达到对轴承故障精确诊断。峭度是一个经典的非高斯性度量指标。一般，随机信号的非高斯性程度既可以使用峭度绝对值来度量，也可以使用峭度的平方

机床与液压 2023年1期2023-02-03

基于短时峭度法的钢丝绳损伤检测及定位研究

化性能不够稳定。峭度可以衡量一组数据的离散程度，常用于检测冲击信号，现已被应用到轴承故障诊断、转子故障诊断、齿轮箱故障诊断等领域。但是，峭度在钢丝绳损伤检测中的应用却还近乎空白。钢丝绳通常由铁磁性材料制成，具有非常高的磁导率。励磁后的钢丝绳如果没有出现缺陷，磁力线就会被紧密约束在钢丝绳中。如果钢丝绳存在缺陷，那么缺陷处的磁导率就会发生改变，导致磁力线被折射到缺陷表面周围的空气中，反映在磁性传感器所输出的漏磁信号中就是一个较大的冲击。因此，峭度同样可以应用到

矿山机械 2022年12期2022-12-15

基于重加权谱峭度方法的航空发动机故障诊断

通滤波器的快速谱峭度方法(Fast Kurtogram),该方法能够自适应地获取合适的滤波器中心频率和带宽,实现对故障特征的有效提取,因此得到了广泛的应用。Barszcz和Randall将此方法应用于风电行星齿轮箱故障检测中,在齿轮故障前几周检测到了齿轮裂纹的存在。为更有效的提取故障特征,许多学者对此做出了改进,如：Lei等认为小波包变换在时频域内具有更好的局部特性,因此利用小波包变换替代短时傅里叶变换得到基于小波包变换的快速谱峭度方法。Wang等基于小波

航空学报 2022年9期2022-10-14

CEEMDAN辅助快速谱峭度的滚动轴承故障诊断方法

1]将EEMD和峭度最大准则相结合筛选出有效分量，再利用包络解调方法进行滚动轴承故障诊断；田晶等[2]将EEMD与空域相关降噪联合实现滚动轴承的故障诊断；李利品等[3]对EEMD算法进行了改进并将其应用在多相流检测中；周将坤等[4]建立了EMD与BP神经网络结合的故障诊断系统；师少达等[5]用细菌觅食优化算法来优化EEMD的参数，以轴承为例验证了该方法的有效性。EEMD能解决模态混合问题，但无法从不明显的早期故障信号中提取出有效的故障特征。自适应噪声完备经

轻工机械 2022年3期2022-07-10

高阶相关峭度反卷积逆滤波器及磁导航野点识别∗

 第一次提出了谱峭度的含义，峭度是一个无量纲参数或者统计量。峭度对信号中的瞬态成分十分敏感，常被用于滚动轴承的状态监测以及故障诊断中。由于磁导航信号在野点干扰下，趋于非平稳分布，故将峭度的含义引入磁导航信号处理办法中。2012 年，McDonald 提出了最大相关峭度反卷积算法，在早期，该算法被用于故障信号的检测。文献［2］以输出信号峭度的绝对值和接近性量度函数的乘积作为目标优化函数，有效避免了人为选择阈值参数和步长。文献［3］以峭度绝对值为对比函数推导出

计算机与数字工程 2022年12期2022-03-18

自适应谱峭度图及其在滚动轴承故障诊断中的应用

，林建辉自适应谱峭度图及其在滚动轴承故障诊断中的应用何倩，易彩，吴文逸，林建辉（西南交通大学 牵引动力国家重点实验室，四川 成都 610031）提出了一种新的自适应谱峭度图方法。首先采用CEEMDAN方法分解信号的傅里叶频谱，然后对得到的低频IMF分量与残差项进行分层累加计算，对每一层的频谱趋势寻找极小值点，使其作为频谱划分边界，将划分后的各频段通过正交滤波器并利用峭度指标对划分后信号中的故障信息进行评估，构造出一种新的自适应谱峭度图。该方法能够克服快速谱

机械 2022年11期2022-02-04

调频率自适应匹配线性变换及其对旋转机械故障诊断研究

LT）。利用最大峭度准则指导选取每个时刻合适的调频率，并且只保留与所选调频率相关的时频分布用于构造最终的时频表示;扩展原始线性变换基函数，使所提AMCLT方法在无需迭代情况下可同时完成对多分量非线性调频信号的分析。此外，对所提AMCLT方法进行了信号重构分析，可实现对信号中目标频率分量的时域信号重构。振动信号处理结果表明，在时频表示的可读性方面，所提方法可得到能量更加集中且不受交叉项干扰的时频表示;在特征提取方面，所提方法可更加准确地提取旋转机械振动信号中

振动工程学报 2021年5期2021-12-16

基于EEMD和快速谱峭度的滚动轴承故障诊断研究*

5]将EEMD与峭度准则的包络解调方法相结合,提取了滚动轴承的故障特征信息,实现了对故障轴承的诊断。目前,学者在故障诊断中采用谱峭度的方法已经做了大量的研究。王梦人[6]利用EEMD与谱峭度结合的方法,对旋转机械进行了故障诊断。蒋超等人[7]针对总体平均经验模式分解获取了的每一个IMF分量,求取了快速谱峭度图,筛选了最大峭度所在频带以抑制干扰,并提取出了其故障信息。在上述研究中,通过EMD方法对振动信号进行分解会产生模态混合等现象,而EEMD则是通过添加白

机电工程 2021年10期2021-10-27

基于参数自适应的VMD滚动轴承故障诊断

了一种平均包络谱峭度结合平均样本熵优化的VMD 及加权合成峭度提取最优IMF 的轴承故障诊断方法，逐个优化VMD 参数，得到最优[K,α]，再对信号进行分解，选择加权合成峭度值最大IMF 作为最优IMF，包络谱分析后判别故障类型。经轴承内圈故障仿真信号及实际轴承内、外圈数据验证，表明本文方法可有效实现轴承内、外圈故障类型的判断。1 基本理论1.1 变分模态分解VMD方法摒弃了EMD中模态分量循环筛选过程，将固有模态函数重新定义为幅频调制信号，其表达式如下：

噪声与振动控制 2021年5期2021-10-22

基于谱峭度的滚动轴承故障诊断方法

5]。本文运用谱峭度法能自适应地寻找共振频带，准确诊断出轴承故障。1 轴承故障成因及特征由于轴承工作环境和作用的不同，其结构也各式各样，但基本结构有四大部分：内圈、外圈、滚动体和保持架[6]。①内圈：通常固定在轴颈上随轴一起转动，其外表面有供滚动体运动的滚道；②外圈：通常固定在轴承座或壳体上，作用是支撑滚动体，其内表面也有供滚动体运动的滚道；③滚动体：装在内圈和外圈之间，是轴承中受力的地方，其中的个数、形状决定了轴承运转的时效；④保持架：将滚动体均匀的分割

设备管理与维修 2021年9期2021-07-29

基于自适应自相关谱峭度图的滚动轴承故障诊断方法

R[3]提出了谱峭度方法，寻找最大峭度值所对应的频带，并对该频带内信号进行分析得到瞬态成分[4-5]。ANTONI[6-7]提出了快速谱峭度法，分别通过滤波器组结构[6]和短时傅里叶变换[7]计算谱峭度。LEI等[8]提出改进的谱峭度方法，克服了强噪声对快速谱峭度方法的影响，改进谱峭度法利用小波包变换从含噪信号中准确检测到瞬态成分，但是此方法在处理具有强非高斯噪声的振动信号时容易失效。为此，BARSZCZ等[9]提出了Protrugram方法，该方法克服了

中国机械工程 2021年7期2021-04-16

基于改进谱基尼指数的快速谱峭度算法改进

[1]提出基于谱峭度值的共振带选取方法已经被证明是一种非常有效的共振带选取方法。文献[2]表明，信号受到高幅值野点干扰时，谱峭度算法可能无法确定最优的共振带。为了解决谱峭度指标对野点鲁棒性不足的问题，近年来学者们进行了深入的研究，提出了一系列指标替换谱峭度用于增强算法对野点鲁棒性。文献[3]考虑了故障信号的循环平稳性与冲击性并结合谱熵概念提出了Infogram指标。文献[4]提出了子频带均值指标。文献[5]考虑了冲击的周期性，提出频域相关峭度指标。文献[6

探索科学(学术版) 2020年3期2021-01-14

联合快速峭度图与变带宽包络谱峭度图的轮对轴承复合故障检测研究

著名的方法就是，峭度图法(Kurtogram)[3]和快速峭度图法(Fast Kurtogram)[4]。其核心思想是，先分层设定不同频率分辨率(不同带宽)的滤波器组，计算每一组滤波器内信号的谱峭度值，将谱峭度值转化为色标，利用颜色指示存在故障信息的分解频带。因该方法计算简单、物理意义明确，诊断精度高，在轴承、齿轮等关键旋转部件的故障检测中得到了广泛的应用[5-11]。然而，笔者应用快速峭度图来提取轮对轴承的复合故障特征的研究发现，快速峭度图能有效定位低密

铁道机车车辆 2020年2期2020-05-20

CEEMDAN辅助快速谱峭度图算法的轴承故障诊断

一定的优越性。谱峭度(Spectral Kurtosis，SK)的基本原理是在每个频率下计算其对应的峭度值，从而提取出各个频率下发生瞬态现象的频带[7-8]，Dwyer最早提出了这一概念。文献[9]～[11]提出了峭度图的概念，是利用谱峭度作为STFT窗口宽度的函数，从而获取滤波器的最优参数，但这种方法由于处理时间过长，因此不利于被应用到工程实践中去。后来，快速谱峭度图(Fast Kurtogram，FK)的出现，不仅成功地保留了经典峭度图的计算精度，还极

机械工程师 2020年1期2020-02-11

基于谱峭度的同步提取变换方法及故障诊断应用

率附近具有较大的峭度值，通过计算STFT 谱中各频点的峭度特征，有效提取到信号中的非平稳分量[8-9]。基于时频变换分辨率不高的问题，于刚[10]在STFT 的基础上提出一种新的时频分析方法SET。该方法在STFT 的基础上用两个窗函数对信号进行傅里叶变换，然后对得到的两个新的一维信号对比分析，通过阈值对数据进行筛检，最后得到一组新的数据，也就是同步提取变换后的信号。同步提取变换具有时频分辨率高，可用于模态分解、弱信号检测、S 变换等方法和实时计算。但该文

设备管理与维修 2019年16期2019-12-23

基于相关峭度共振解调的滚动轴承复合故障特征分离方法

滤波器组的快速谱峭度算法，通过计算和比较各子频带的谱峭度自适应地定位共振频带，在轴承故障特征提取中取得了良好效果。文献[7]将谱峭度应用到轴承复合故障分析中，分别解调外圈及内圈故障激起的共振频带，实现了轴承复合故障特征的分离。但是，文献[8-9]指出，快速谱峭度算法容易受较高峰值脉冲的干扰，可能无法正确定位共振频带。同时，在轴承复合故障信号中，每一个轴承故障都可能会激起多个共振频带，当不同共振频带之间的峭度相差较大时，相对较小峭度的共振频带容易被掩盖，对复

振动与冲击 2019年8期2019-06-13

基于VMD-SWT滚动轴承故障诊断方法研究＊

信号的时频特征。峭度是描述随机变量分布特性的数值统计量，反应信号冲击成分的大小。本文将最大峭度指标引入 VMD，选择出最优分解模态数及惩罚因子 α，再利用峭度指标选择有效VMD分解分量从而从噪声信号中提取出有效信息，最后使用 SWT提取信号中的时频特征，从而有效判断滚动轴承的运行状态。相比于EMD等方法来说，VMD具有严谨的理论支撑，且是根据中心频率选取模态数，提高了计算效率，能够将原始信号进行分解从而获得K个含有不同频率成分的模态分量；SWT方法虽然能够

汽车实用技术 2019年6期2019-04-11

基于改进峭度图法的滚动轴承故障诊断

故障诊断中，常用峭度来检测故障冲击脉冲信号。最小熵解卷积[1](MED)方法是通过对滤波后的信号进行频谱分析来识别轴承故障及其类型，但是，在强烈背景噪声干扰下，该方法的效果并不是很好。文献[2]提出了谱峭度(SK)，以克服功率谱密度不能有效提取瞬态冲击信号的缺点，该方法是通过计算每一频率成分的峭度来识别非平稳分量，进而确定这些分量所在的频带。后来，文献[3]基于树状滤波器组结构提出了计算谱峭度的快速算法，被称为快速峭度图(fast kurtogram)。快

城市轨道交通研究 2019年2期2019-03-27

基于包络谱带通峭度的改进谱峭度方法及在轴承诊断中的应用

析误差[1]。谱峭度(Spectral Kurtosis, SK)最早由Dwyer提出并用于检测信号中非高斯分量的出现及所在谱线[2]。Antoni进一步完善了SK的理论基础且推广了其应用范围[3]，并将SK方法中获得的最大峭度值作为状态监测指标值，以最大峭度值所在SK曲线为依据设计带通滤波器进行滚动轴承故障检测[4]。为提高SK的执行效率以适合工业现场使用，Antoni提出了基于FIR滤波器的快速谱峭度方法(Fast Spectral Kurtosis,

振动与冲击 2018年23期2018-12-21

基于互相关—峭度和小波软阈值的EEMD降噪方法研究

基于互相关系数—峭度准则的EMD降噪方法并应用在了滚动轴承的故障诊断。李辉等[6]将EMD与Teager能量算子结合用于齿轮箱轴承故障检测，可以有效地识别故障。张淑清等[7]将EMD算法与Duffing振子相结合，用于小电流系统故障。EMD算法应用范围广，如S.J.Loutridis[8]将EMD应用于检测轴承系统的故障。杨宇等[9]用EMD算法结合神经网络诊断算法，先用EMD算法对原始信号预处理，再从IMF分量中提取各频带能量作为神经网络诊断方法的特征参

石家庄铁道大学学报(自然科学版) 2018年4期2018-12-21

变分模态分解和改进的自适应共振技术在轴承故障特征提取中的应用

定模态数，提出了峭度最大值的模态数确定方法；然后，对原始振动信号进行VMD分解，获得既定数目的本征模态分量（Intrinsic Mode Function， IMF）；其次，利用IART选取包含丰富故障信息的IMF分量；最后，（如有需要）对选取的IMF分量进行基于IART的带通滤波，并进行包络解调分析提取故障特征频率。将该方法应用到轴承仿真数据和实际数据中，能够实现轴承故障特征的精确诊断，证明了该方法的有效性。关键词：故障诊断；滚动轴承；变分模态分解

振动工程学报 2018年4期2018-09-29

一种基于EMD和典型谱峭图的改进型共振解调方法

变化和多样性。谱峭度方法对含有冲击信息的信号十分敏感，可以通过比较各个频带上的峭度值从而精确定位谱峭度值最大时所在的频带[4-6]。文献[7-9]重新定义了谱峭度并提出了快速谱峭图的算法，但其采用频带交替二分和三分法进行分解，所求得的频带往往过大[10]。典型谱峭图算法可以针对性地自动选择滤波带宽和中心频率，弥补了快速谱峭图带宽过大的问题[11],但当振动信号信噪比较低，噪声干扰较大时，效果也不太理想。因此，为提高特征提取的准确性，提出一种基于EMD和典型

轴承 2018年2期2018-07-23

基于峭度分析的声发射故障检测

 于 洋0 引言峭度是描述波形尖峰度的一个导出函数，反映出随机变量分布特性的数值统计量，是归一化的四阶中心距，其定义为[1]：其中，X 为信号的幅值；P( X )为信号的概率密度函数。离散信号的峭度定义为：在声发射的特征参数总有一个参数RMS（信号有效值），其定义为：因此峭度值K(或峭度系数)可以表示为：峭度处理会使声发射信号的能量得到放大，削弱较低噪声信号的能量，这样就会很好的凸显声发射信号。根据相关材料可知，当没有声发射信号只有噪声信号时（材料完好的时

电子世界 2018年12期2018-07-04

基于典型谱相关峭度图的滚动轴承故障诊断方法

er最先提出了谱峭度方法，该方法对信号中的冲击成分比较敏感，可以通过比较位于不同频带上的峭度值，确定谱峭度最大的频带，从而检测出信号中隐藏的瞬态信息[4-5]。基于谱峭度原理，众多学者提出了一系列优秀的改进方法用来确定共振频带，例如快速谱峭图[6]、Protrugram算法[7]、典型快速谱峭度图算法[8]、典型谱峭度图算法等，近期受到了广泛关注。然而，在复杂的实际工况下，采集到的振动信号往往包含强烈的背景噪声、非故障冲击产生的瞬态信息和与转频相关的干扰分

振动与冲击 2018年8期2018-05-02

基于最小熵解卷积的谱峭度法在行星齿轮箱故障诊断中的应用

利用MED结合谱峭度（SK）提升了滚动轴承中的故障检测及诊断能力。文献[6]使用最小熵反褶积（MED）与包络谱相结合能够检测到滚动轴承疲劳的影响。这些论文都表明，最小熵解卷积被成功的应用于横向振动信号的旋转机械故障诊断中，但没有将最小熵解卷积应用于行星齿轮扭转振动信号中。文献[7]通过行星齿轮箱扭转振动信号的幅值调制和频率调制对齿轮箱太阳轮故障扭转振动信号进行傅里叶频谱及包络谱分析得出了故障齿轮的幅值和频率调制特征，但此方法在诊断齿轮故障时不能直接提取低频

制造业自动化 2018年2期2018-03-14

一种多输入多输出非高斯随机振动试验方法

定的参考谱和参考峭度生成参考信号，其次根据频域中的输入输出关系生成满足要求的驱动信号。采用相位调节法生成非高斯信号，由于相位调节法不改变原信号的功率谱，因此可实现功率谱与峭度的独立均衡控制；将矩阵幂次算法用于功率谱均衡，并提出了一种类似矩阵幂次算法的峭度均衡算法。最后，对一个三轴振动台台面振动环境进行了控制试验，结果表明，台面加速度响应的功率谱密度被稳定地控制在±3 dB容差限内，响应峭度也被稳定地控制在参考值附近，从而验证了所提方法的有效性与可行性。关键

振动工程学报 2017年5期2018-03-05

IEWT和FSK在齿轮与滚动轴承故障诊断中的应用

这种方法和快速谱峭度(fast spectral kurtosis，简称FSK)相结合，进行齿轮与滚动轴承的故障诊断。首先，采用IEWT对信号进行分解，筛选出故障特征最为明显的2个分量并重构信号；其次，对重构信号进行快速谱峭度滤波；最后，对滤波后的信号进行包络谱分析，提取出信号的故障特征。分析齿轮断齿及滚动轴承故障信号，与直接包络谱和基于EMD经验模态分解(empirical mode decomposition,简称EMD)方法的FSK滤波包络谱分析方法

振动、测试与诊断 2017年6期2018-01-04

一种改进的峭度图方法及其在复杂干扰下轴承故障诊断中的应用

43)一种改进的峭度图方法及其在复杂干扰下轴承故障诊断中的应用顾晓辉1,2, 杨绍普1,2, 刘永强2, 廖英英2(1.石家庄铁道大学 交通运输学院，石家庄 050043；2.河北省交通工程结构力学行为演变与与控制重点实验室，石家庄 050043)快速峭度图是一种常用的滚动轴承故障诊断方法，但由于峭度指标对冲击过于敏感，在干扰较复杂的工况中，该方法往往无法正确识别出最优的共振频带进行包络解调。然而，解调信号的包络谱对噪声具有一定的免疫能力，而且包络谱中通常

振动与冲击 2017年23期2017-12-27

基于加权峭度的滚动轴承故障特征提取

072)基于加权峭度的滚动轴承故障特征提取陈祥龙1， 张兵志2， 冯辅周1， 江鹏程1(1. 装甲兵工程学院机械工程系， 北京100072；2. 北京特种车辆研究所， 北京100072)针对峭度谱(Kurtogram)无法有效区别振动信号中的瞬态故障冲击和脉冲噪声，难以准确提取微弱的滚动轴承故障特征的问题，提出一种基于加权峭度(WeightedKurtosis,WK)的滚动轴承故障特征提取方法，通过固定设置滤波带宽，利用加权峭度识别共振中心频率，确定带通滤

装甲兵工程学院学报 2017年4期2017-09-16

基于VMD和快速谱峭度的滚动轴承早期故障诊断

。文献[7]将谱峭度作为STFT窗口的函数去得到最优滤波器的参数，提出了峭度图的概念，并将其应用于故障诊断领域，但存在耗时长的缺点。快速谱峭度(Fast Spectral Kurtogram，FSK)[8]不仅保留了峭度谱的优点，还弥补了谱峭度方法计算时间太长的缺点[9]。因此，针对轴承早期故障信号中噪声干扰严重，故障频率难以提取的问题，提出了基于VMD降噪与快速谱峭度的轴承早期故障诊断方法。1 基础理论介绍1.1 变分模态分解VMD处理信号的过程中，IM

轴承 2017年12期2017-07-26

谱峭度在轴承故障振动信号共振频带优选中的应用

00161)﻿谱峭度在轴承故障振动信号共振频带优选中的应用于明奇1，夏均忠2，陈成法2，汪治安1，刘鲲鹏1(1.军事交通学院 研究生管理大队，天津 300161； 2.军事交通学院 军用车辆系，天津 300161)在滚动轴承故障振动信号分析中，为减少采集信号共振频带对解调效果的影响，利用谱峭度方法确定共振频带的带宽和中心频率。首先解释谱峭度的含义，分析基于短时傅里叶变换的谱峭度算法的不足；然后提出快速峭度图和突起度图两种改进方法，并分析其特点；最后通过仿真

军事交通学院学报 2017年5期2017-06-05

基于多自由度的小波包滚动轴承故障诊断方法

1306)快速谱峭度图是滚动轴承故障诊断的有效方法，然而，该方法有可能将最佳频带分割到不同区域，造成对故障信息的识别能力不足，并且对随机冲击噪声的免疫力较弱。根据滚动轴承故障激发多个固有频率的特点以及平均降噪原理，提出多自由度小波包诊断方法，选取适当数量的小波包子带信号，将所选子带信号的频谱平均处理，充分利用信号的有用信息，增强了对白噪声及随机冲击噪声的免疫力。对滚动轴承故障仿真信号及实测信号分别应用快速有限冲击响应(FIR)，谱峭度方法，小波包谱峭度方法

上海电机学院学报 2016年6期2017-01-11

变转速下滚动轴承阶比峭度图法故障特征提取

速下滚动轴承阶比峭度图法故障特征提取柏 林， 甄 杰， 彭 畅， 徐冠基(重庆大学机械传动国家重点实验室 重庆，400044)结合传统阶比分析和峭度图算法的优势，利用计算阶比跟踪方法将时域非平稳信号转换为角域平稳信号，并利用峭度指标准确表征滚动轴承振动信号中的故障瞬态冲击大小，提出了阶比峭度图算法。仿真故障信号及实测滚动轴承外圈故障信号分析结果表明，阶比峭度图算法能够有效识别阶比域内的最优包络解调频带参数，显著提高了变转速工况下滚动轴承故障特征提取的准确性

振动、测试与诊断 2016年4期2016-12-07

基于CEEMD和谱峭度的轴承故障诊断

于CEEMD和谱峭度的轴承故障诊断姜建国 刘盈萱(东北石油大学电气信息工程学院，黑龙江 大庆 163318)针对共振解调在滚动轴承故障诊断应用中带通滤波器参数选择困难的情况，提出一种互补总体平均经验模态分解方法(CEEMD)与谱峭度相结合的轴承故障诊断新方法。通过实际信号验证了该方法的可行性与准确性。轴承 故障诊断 互补总体平均经验模态分解 谱峭度故障诊断是根据系统的测量数据和故障库中的知识来判断系统是否发生故障的过程[1]。共振解调是滚动轴承故障诊断中最

化工自动化及仪表 2016年10期2016-11-22

基于相空间独立分量分析及峭度贡献系数的早期故障分析方法研究

间独立分量分析及峭度贡献系数的早期故障分析方法研究陈建国1，王珍1，李宏坤2(1.大连大学机械工程学院，辽宁大连116622; 2.大连理工大学振动工程研究所，辽宁大连116023)独立分量分析方法在信号分析中具有振源分离的特点,但由于机械设备早期故障信号具有强背景噪声及振源复杂等特点，独立分量分析方法对于单通道强背景噪声信号中的早期故障检测也无法取得满意效果。因此提出相空间对独立分量方法对其进行振源分离及重构，获得早期故障成分较为集中的重构信号，

振动与冲击 2016年12期2016-08-04

HHT与振动峭度在滚动轴承故障频率特征提取中的应用

）﻿HHT与振动峭度在滚动轴承故障频率特征提取中的应用申世英
（山东协和学院，济南 250107）摘 要：针对滚动轴承振动信号故障特征提取问题，提出了基于采用希尔伯特-黄变换与峭度指标的滚动轴承故障特征提取方法。该方法先求得多个正常状态的标准化峭度值，后利用峭度指标对轴承振动信号经验模态分解后的分量进行分类，大于标准化峭度值的分量进一步进行希尔伯特谱变换，提取出滚动轴承的故障频率信息。该方法不仅能够有效完整的提取故障频率特征，同时大大提高了希尔伯特-黄变换

山东工业技术 2016年2期2016-05-26

基于鲁棒性小波包峭度图的滚动轴承故障诊断*

基于鲁棒性小波包峭度图的滚动轴承故障诊断*彭 畅1，2， 柏 林2， 刘小峰2(1.中车青岛四方机车车辆股份有限公司国家工程研究中心 青岛，266111) (2.重庆大学机械传动国家重点实验室 重庆，400030)由于基于小波包变换滤波器的设计方法仍然是采用基于样本四阶矩的谱峭度，因此在实际应用中可能会存在非鲁棒性等问题。在此基础上定义了具有鲁棒性的谱峭度系数，提出了基于小波包变换的具有鲁棒性的峭度图算法。滚动轴承的实测信号验证了所提出的方法不仅能够真实地

振动、测试与诊断 2016年1期2016-04-13

Fast ICA盲分离算法在雷达抗主瓣干扰中的应用研究

中，利用基于寻找峭度的局部极值点的Fast ICA盲分离算法分离接收到的主瓣干扰混合信号，通过脉压找出目标信号。仿真验证了算法用于抗主瓣干扰的有效性，该算法具有良好的抗干扰性能，在分离效率上具有较明显的优势。关键词：抗主瓣干扰；峭度；Fast ICA盲分离算法；脉压0引言现代电子战中，千方百计提高雷达的抗干扰性能已成为雷达设计师所面临的严峻任务。为了提高雷达在复杂电磁干扰环境中的生存能力，已经采用了超低旁瓣、旁瓣匿影、旁瓣对消等抗干扰措施。但当干扰信号从主

现代雷达 2015年12期2016-01-22

基于1.5维 Teager 峭度谱的滚动轴承故障诊断研究

5维Teager峭度谱的滚动轴承故障诊断研究唐贵基，庞彬(华北电力大学能源动力与机械工程学院，河北保定071003)摘要：滚动轴承故障振动信号中的冲击成分呈现显著的非高斯性，高阶累积量和高阶谱技术是处理非高斯信号的良好分析工具。在四阶累积量-Teager峭度的基础上提出滑动Teager峭度的分析方法，并联合三阶谱-1.5维谱，提出基于1.5维Teager峭度谱的滚动轴承故障诊断方法。该方法首先对轴承故障信号进行滑动Teager峭度计算，获得一个反应故障信号

振动与冲击 2015年15期2016-01-15

基于EEMD的共振解调技术在列车轴承故障诊断中的应用

，计算每个分量的峭度值，选取峭度值大于3的IMF分量相加，合成新的信号；然后，对新的合成信号进行谱峭度分析，得到冲击成分所在的频带，并据此设计带通滤波器对合成信号进行滤波处理；最后，对滤波后的信号进行Hilbert变换和频谱分析，提取冲击成分的频率，并与理论故障频率对比，进行故障诊断。分别对外圈故障、滚动体故障、保持架故障的轴承进行振动试验，并利用此方法对试验结果进行分析，结果表明，该方法能够有效地识别列车轮对轴承的故障信息。关键词： EEMD； 峭度； 

现代电子技术 2015年21期2015-11-09

基于Moors谱峭度图的高速列车轴承故障诊断方法

故障振动信号。谱峭度图算法由于能够衡量轴承振动信号中的瞬态冲击程度，从而识别故障特征最为明显的成份所在的频带并为后续解调分析提供依据，得到了广泛关注与迅速发展。Antoni和Randall[5]提出了基于短时傅里叶变换的谱峭度图及其快速算法，成功过滤出故障瞬态信号成分。Lei等[6]提出了改进的基于小波包变换的谱峭度算法，从而提高了轴承微弱故障特征提取的准确性。在以上分析的基础上，本文针对列车轴承故障诊断中的强噪声干扰问题，提出了一种基于Moors谱峭度图

制造业自动化 2015年16期2015-08-23

基于谐波小波分解与谱峭度的齿轮故障诊断

谐波小波分解与谱峭度的齿轮故障诊断梁瑞刚,樊新海
（装甲兵工程学院机械工程系,北京 100072）为提高对低信噪比齿轮振动信号诊断的准确性，本文提出一种谐波小波包与峭度准则相结合的诊断方法。该方法首先利用谐波小波包对故障信号进行分解，然后以峭度准则对细节系数做选择后重构信号，最后对重构信号做包络谱分析，从而分析出故障频率。该方法与常用的小波包系数能量法相比，具有精度高、对信号信噪比要求低等特点。齿轮；故障诊断；谐波小波包；峭度0 引言齿轮作为一种主要的传动

山东工业技术 2015年21期2015-08-01

基于快速谱峭度图的EEMD内禀模态分量选取方法*

0)基于快速谱峭度图的EEMD内禀模态分量选取方法*蒋超1，刘树林1，姜锐红1，王波1,2(1.上海大学机电工程与自动化学院上海，200072) (2.滁州学院机械与汽车工程学院滁州，239000)针对在总体平均经验模式分解(ensemble empirical mode decomposition，简称EEMD)的多个内禀模态分量(intrinsic mode function，简称IMF)中，如何选取出反应故障特征的敏感IMF的问题，提出一种

振动、测试与诊断 2015年6期2015-06-13

基于负熵的随机双梯度算法

斯性，从而来克服峭度的不稳健性.论文最后通过理论分析和仿真实验证明这种改进的随机双梯度算法具有较好的分离效果且稳定性高.关键词随机双梯度算法；独立分量分析；负熵；峭度中图分类号 TP301.6 文献标识码 A 文章编号 1000-2537（2014）04-0084-04Abstract Stochastic dual-gradient algorithm is an important learning algorithm of independent

湖南师范大学学报·自然科学版 2014年6期2015-04-09

一种基于谱峭度的异步电机故障诊断方法

靠性和准确性。谱峭度（Spectral Kurtosis，SK）方法，最早由Dwyer 提出[12]。谱峭度是在峭度的概念上发展起来的一个时频域检测指标，谱峭度对淹没于噪声中的非平稳信号非常敏感，通过分析不同频带上的峭度值即可指示出故障的存在，实现早期故障诊断。在此基础上发展而来的基于时频分析的谱峭度法[13-15]，适用于强噪声下的故障信号检测。该法凭借其良好的统计特性已经成功的应用于机械振动系统的故障诊断。目前主要应用于滚动轴承故障诊断中[16-22]

电工技术学报 2014年5期2014-11-25

基于CWD谱峭度的暂态电能质量扰动识别

利于在线分析。谱峭度的概念最早由Dwyer提出，用来检测含噪信号中的暂态成分[14]。随后，Valeriu V.定义谱峭度为一个过程距离高斯性的度量，并在文献[15]中将其应用到滚动轴承故障诊断中。Antoni J.在文献[16]中系统定义了谱峭度，并提出了基于短时傅里叶变换（STFT）的谱峭度，论证了其具有检测加性噪声中非平稳信号的能力。文献[17]中采用基于STFT的谱峭度提取局部放电信号，论证了其良好的抑制干扰信号的能力。Sawalhi N.提出基于

电力自动化设备 2014年2期2014-09-27

基于MED及FSK的滚动轴承微弱故障特征提取

具有重大意义。谱峭度(Spectral Kurtosis, SK)概念由Dwyer[1]提出，基本原理为计算每根谱线峭度值，而不同峭度值会反应瞬态冲击大小。Antoni等[2-3]将谱峭度值作为短时傅里叶窗口函数，通过谱峭度图选择带通滤波器参数，并提出谱峭度离散算法。文献[4]认为信噪比较高时谱峭度能较好识别瞬态冲击信号。由于轴承工作环境复杂，噪声较大，复杂工况对谱峭度计算值会产生影响，从而对最优带通滤波带宽及中心频率计算产生误差，影响诊断效果，需对微弱故

振动与冲击 2014年14期2014-09-07

改进增强峭度图和增强包络谱在滚动轴承故障诊断上的应用

r[2]就提出谱峭度(Spectral Kurtosis,SK)的概念，并将其作为功率谱密度的补充用于信号瞬态成分的提取，此后Antoni等[3-5]给出应用SK进行故障诊断的理论依据并先后提出基于短时傅里叶变换(STFT)的峭度图方法及基于有限冲击响应滤波器(FIR)的快速峭度图方法。然而,基于STFT和FIR的谱峭度法的抗干扰性均不够好，当被检测信号的信噪比较低时，其准确性将受限。为此文献[6]提出一种基于二进制小波包分解的增强峭度图法，该方法与快速峭

振动与冲击 2014年13期2014-09-07

基于Kalman滤波和谱峭度的滚动轴承故障诊断

导致应用受限。谱峭度[1]的基本原理是通过计算频域中每根谱线的峭度值，从而在频域中定位瞬态冲击。文献[2]提出将谱峭度值作为短时Fourier窗口函数，通过谱峭度图选择带通滤波器的参数。针对谱峭度图计算耗时的问题，文献[3]提出了快速谱峭度图的概念。文献[4]则指出在信噪比较高的情况下，谱峭度能够较好地识别瞬态冲击信号。轴承工作环境相对复杂，环境噪声较大，而复杂工况对谱峭度计算值会产生影响，从而给最优带通滤波的带宽和中心频率的计算带来误差，影响诊断效果，因

轴承 2014年8期2014-07-22

一种基于谱峭度的局部放电信号提取新方法

确。本文提出将谱峭度 SK（Spectral Kurtosis）[11-12]的方法应用到局部放电信号的提取中。谱峭度属于高阶统计量的范畴，是一个4阶累积量，理论上能够完全抑制高斯噪声，表征信号中的非平稳和非高斯信号，并且能够确定其在频带上的位置。谱峭度方法凭借其良好的统计特性已经在机械振动系统的故障诊断，如齿轮故障诊断[13]、轴承早期故障诊断[14-15]中得到广泛应用，并取得了很好的成果。本文通过求取谱峭度，根据其设计自适应最优带通滤波器，对局部放电

电力自动化设备 2013年8期2013-10-10

基于SVD降噪和谱峭度的滚动轴承故障诊断

大影响[2]。谱峭度作为近几年提出的信号指标，可以有效地对带通滤波器参数做最佳选择[3-4]。奇异值分解[5](Singular value decomposition,SVD)在信号处理中主要用于信号的降噪和周期成分的提取[6]。在信号降噪处理中，如何选择奇异值个数很关键，奇异值差分谱的最大突变点可以实现有效奇异值个数的准确判断[7-8]。因此，将SVD差分谱降噪与谱峭度结合，以应用于轴承故障诊断中。1 奇异值差分谱降噪实矩阵A∈Rm×n, 不论其行列是

轴承 2013年10期2013-07-21

暂态振荡信号频率检测的M orlet小波谱峭度法

orlet小波谱峭度法张巧革，刘志刚，陈刚（西南交通大学电气工程学院，成都 610031）针对电力系统暂态振荡信号频率检测中存在的检测过程复杂、易受噪声影响且通用性不强的问题，提出了一种基于Morlet复小波谱峭度的暂态振荡信号频率检测方法。采用Morlet复小波对含噪暂态振荡信号进行小波分解获得小波系数；利用小波系数绝对值计算信号的谱峭度；最后，通过最大值检测方法实现对暂态振荡的频率检测。针对谱峭度对噪声适用范围不明确的问题，提出并定义相似度函数，用于分

电力系统及其自动化学报 2013年5期2013-07-05

基于LMD的谱峭度方法在齿轮故障诊断中的应用

征频率［4］。谱峭度的概念由 Dwyer［5］提出，其实质是在时频分析后反映原始信号在每个谱段上的峭度大小，它能够有效地反映非平稳性的存在，检测含噪信号中的瞬态成分［6］，对故障脉冲信号非常敏感，并明确地指出瞬态成分所在的频带，为滤波参数的选取提供依据。最早的谱峭度是基于短时傅里叶变换(STFT)提出的，具有一定时间长度的窗口在时间轴上按一定的步长移动，计算移动窗口内的频谱则得到不同时段信号的频谱，然后对不同的频带计算其峭度即得到所谓的谱峭度。Antoni

振动与冲击 2012年18期2012-09-15

基于EEMD、度量因子和快速峭度图的滚动轴承故障诊断方法

了广泛的应用。谱峭度用统计量检测含噪信号中的瞬态成分，其概念最早由Dwyer[3]提出，Antoni等[4－6]系统的定义了谱峭度，并先后提出了基于STFT(短时傅里叶变换)的谱峭度法及谱峭度图的快速算法，并将其应用到旋转机械的监测和故障诊断中验证了该方法的有效性。此后有学者将EMD和谱峭度法联合引入到滚动轴承故障诊断应用中，苏文胜[7]结合EMD降噪作用和谱峭度的滤波器功能更好地诊断出了滚动轴承的早期故障，蔡艳平[8]提出的将EMD、谱峭度和包络法相结合

振动与冲击 2012年20期2012-09-15

Weibull随机寿命的统计量

，斜度γ1和过盈峭度γ2。对于具有形状参数κ和尺寸参数λ的二参数Weibull分布, 其计算公式为[1]中值median=λ(ln2)1/κ,式中：Γi=Γ(1+i/κ)，为Gamma函数；κ为形状参数；λ为尺寸参数。值得注意的是，无量纲统计量都是形状参数κ的函数, 而与尺寸参数λ无关。因此只要Weibull分布的形状参数相同,其标准误差、斜度和过盈峭度亦相同。通常研究者从试验数据出发，用极大似然法[1]或最大线性不变法[3]求出κ和λ,并计算拟合的可靠

轴承 2012年3期2012-07-20

基于谱峭度法和自适应遗传算法的轴承故障诊断

的带通滤波器。谱峭度对淹没于噪声中的非平稳信号非常敏感，能更精确地指示出其发生的频率位置。在此基础上发展而来的基于时频分析的谱峭度法(包括基于STFT[1]和基于WT的谱峭度法[2])，是一种可以有效且自动进行回转机械故障诊断的方法。原始信号经时频分解(或时频滤波器组分解)后，计算其谱峭度值并求最大值，以此最大谱峭度值构造或寻找最优滤波器，对原始信号进行最优滤波，最后结合包络分析法诊断故障。基于时频分析的谱峭度法能够有效地得到较优的带通滤波器参数。而遗传算

轴承 2010年3期2010-07-31

滚动轴承故障诊断的改进小波变换谱峭度法

1]提出了基于谱峭度的改进包络分析法，此方法有效地实现了符合最佳包络的频带的自动检测，并在实际工作中得到了检验，但是其只研究了一组Morlet复小波滤波器组，没有深入研究多组滤波器组比较下的最优结果。文献[2]对其进行了改进，设计了多组Morlet复小波滤波器组，每一组的滤波器数目不同，将这些滤波器组应用到故障检测中，选出最大谱峭度对应的最优Morlet复小波滤波器，利用此滤波器对原始信号的滤波结果，得到包络分析结果，最终检测故障频率。需要指出的是由此法得

轴承 2010年8期2010-07-27