基于高阶循环平稳的柴油发动机曲轴轴承振动信号分析

柴油机振动信号特征提取与故障诊断方法探讨【摘要】柴油机作为动力机械，其运行状态的好坏，直接影响到成套设备的工作状况。

因此，对其进行运行状态监测和故障诊断，确保设备处于最佳运行状态，提高设备维修质量和效率是十分必要的。

本文应用了小波包提取了特征值并用BP网络进行了故障识别。

【关键词】柴油机;故障诊断1.柴油机故障诊断现状[1-3]柴油机故障诊断技术是通过分析处理柴油机运行时的状态信息，定量识别其技术状态、并预测异常故障状态的一门多学科交叉的综合技术。

柴油机故障诊断和其它类型机械的故障诊断一样，首先必须对故障进行机理研究，以故障信号的检测技术及信号处理技术为基本技术，以故障信号处理和特征提取理论为基本理论，以基于信号处理及特征提取的故障类型识别方法为基本方法。

近年来，针对柴油机故障诊断的研究工作有了较大的发展，但尚未达到在工程实际中有效应用的水平，主要原因是对基本技术的研究和各类故障、特别是综合故障案例和图谱的积累工作已跟不上诊断基本理论和方法研究的快速发展。

从工程应用的角度出发，综合应用测试技术、小波分析、经验模式分解、混沌数值特征、BP神经网络、支持向量机等理论，对柴油机缸盖振动信号中故障特征信息的提取、柴油机故障状态的识别诊断是目前较为普遍和常用的方法。

图1 时域信号分析2.柴油机缸盖振动信号采集利用缸盖振动信号对柴油机进行故障诊断，需要建立缸盖振动信号采集系统并采集柴油机在不同工作状态下的缸盖振动信号。

测点选择的好坏直接影响到所采集的信号，并决定着后续的处理和分析工作的难易程度。

测点的选择必须遵循两个原则：一是测点要能充分地反映被测对象的工作信息，应具有信号稳定、信噪比高、对故障敏感等特点;二是测点的选择必须便于安装和测试，尽可能不影响机器的运行状态，在生产实际中切实可行。

人为给柴油机设置四类故障：排气门间隙异常、进气门间隙异常、供油提前角异常和供油压力异常等，采集不同工作状态下的柴油机缸盖振动信号。

基于振动信号分析的滚动轴承故障特征提取方法研究基于振动信号分析的滚动轴承故障特征提取方法研究摘要：滚动轴承作为机械设备中重要的零部件之一，其故障会导致设备停机、损坏等严重后果。

因此，及时准确地判断滚动轴承的故障状态对设备的可靠运行至关重要。

本文基于振动信号分析，研究了滚动轴承故障特征提取方法，以实现对滚动轴承故障的快速准确诊断。

首先，本文介绍了滚动轴承故障的原因和常见的故障模式，包括疲劳裂纹、滚珠脱落、滚针断裂等。

在滚动轴承发生故障时，会引起振动信号的变化，在振动信号中提取故障特征成为故障诊断的重要手段。

其次，本文提出了一种基于振动信号分析的滚动轴承故障特征提取方法。

该方法首先通过传感器采集滚动轴承的振动信号，然后利用时域分析、频域分析、小波分析等技术对振动信号进行处理。

在时域分析中，可以通过计算振动信号的均值、方差、峰值等参数来提取故障特征。

在频域分析中，可以通过进行傅里叶变换，将振动信号转换到频域，进而提取故障特征。

在小波分析中，可以利用小波变换将振动信号进行分解，并对不同尺度的分量进行分析，从而得到更加详细的故障信息。

进一步，本文还介绍了一些常用的滤波方法，如低通滤波、高通滤波和带通滤波等，用于滤除振动信号中的噪声干扰，提高故障特征的提取精度。

最后，本文通过实验验证了所提出的滚动轴承故障特征提取方法的有效性。

实验中，采用了一台滚动轴承故障仿真装置，通过人工制造不同类型的故障，采集振动信号并进行分析。

实验结果表明，所提出的方法能够准确提取滚动轴承故障特征，并实现对不同故障模式的区分。

综上所述，本文基于振动信号分析的滚动轴承故障特征提取方法可为滚动轴承的故障诊断提供有力支持。

未来可以进一步探索更加高效、准确的故障特征提取方法，并结合机器学习等技术，开发智能化的滚动轴承故障诊断系统，实现设备的在线监测和预警，提高设备的可靠性和运行效率。

关键词：振动信号分析；滚动轴承；故障特征提取；时域分析；频域分析；小波分析；滤波方法；故障诊综合以上研究结果，本文提出的基于振动信号分析的滚动轴承故障特征提取方法在滚动轴承故障诊断中具有良好的效果。

基于振动信号的轴承故障诊断研究随着工业自动化程度的提高，机械设备的精度要求也越来越高。

而轴承作为机械传动的关键部件之一，其运动稳定性和精度直接影响到整个机械系统的运行效率和寿命。

因此，在轴承运行过程中，出现故障将导致设备的正常运行受到影响，并可能导致严重事故的发生，因此轴承故障诊断是工业领域中一项极其重要的任务。

振动信号分析方法已被广泛应用于轴承故障诊断领域。

本文将探讨基于振动信号的轴承故障诊断的原理和方法，旨在提高轴承故障诊断的效率和准确性。

一、轴承故障的振动信号特征分析轴承故障以其特有的振动信号表现出来。

通过振动信号的特性分析，可以识别轴承的不同故障类型。

在常见的轴承故障中，有以下几种典型的振动特征：1.接触频率信号接触频率信号是轴承故障中最常见的信号之一。

当滚动元件与内外环之间的间隙变化，将引起接触的冲击振动。

2.共振频率信号共振频率信号通常由弹性变形、松动连接和过度磨损等问题引起。

此类信号通常呈现较高的幅值和频率。

3.突变信号突变信号通常是由轴承中的裂纹或断层所引起的。

这种信号的特点是幅值陡峭、频率范围较窄。

4.散乱信号散乱信号通常是由机械设备的背景噪音所导致的，通常频率分布很广，幅值相对较小。

为了确保机器的运行健康状态，必须将此信号与轴承故障信号进行区分。

以上是常见的轴承故障的振动信号特征。

根据不同类型的信号特征，可以采用不同的信号处理方法来进行轴承故障诊断。

二、基于振动信号的轴承故障诊断方法振动信号是轴承故障诊断的一种重要手段。

利用振动信号进行轴承故障检测，常见的方法有时域分析、频域分析、小波分析等。

下面分别介绍这几种方法的原理和应用。

1.时域分析时域分析是通过对振动信号的时间序列进行分析，来判断轴承是否存在故障。

时域分析的原理是，当轴承出现故障时，振动信号的幅值和频率都会发生变化。

因此，通过测量振动信号的时间序列，可以分析出信号的幅值、频率和相位等参数，从而判断轴承的状态。

2.频域分析频域分析是通过对振动信号的频谱进行分析，来判断轴承是否存在故障。

10.16638/ki.1671-7988.2018.21.030柴油机曲轴扭振信号分析研究*王东亮，尹新权，杜遥（兰州工业学院汽车工程学院，甘肃兰州730050）摘要：以柴油机曲轴扭振信号分析原理为基础，通过归纳从电平信号中获取瞬时转速信号的方法，运用Matlab编程工具对某小型柴油机曲轴的扭振测试信号进行分析研究。

结果表明：在测试系统采样频率较高的情况下，采用两点插值法计算得到的扭振瞬时转速信号是比较理想的，并且从扭振瞬时转速的波动上来看，柴油机高速工况的扭振更加强烈。

关键词：柴油机；MATLAB；扭转振动；瞬时转速；信号分析中图分类号：TB533 文献标识码：A 文章编号：1671-7988(2018)21-86-03Research on Torsional Vibration Signal Analysis of Diesel Engine Crankshaft*Wang Dongliang, Yin Xinquan, Du Yao（Department of Automobile Engineering, Lanzhou Institute of Technology, Gansu Lanzhou 730050）Abstract:Based on the principle of diesel crankshaft torsional vibration signal analysis, it has generalized the method of obtaining transient rotation speed signal from level signal and used Matlab programming tool to analyze the torsional vibra -tion test signal of the small diesel engine crankshaft. The results show that the transient rotation speed signal of torsional vibration is desired calculated by two-point interpolation method, when the sampling frequency is high. From the fluctuation of torsional vibration instantaneous speed, the torsional vibration of diesel engine at high speed is more intense. Keywords: diesel engine; MATLAB; torsional vibration; transient rotation speed; signal analysisCLC NO.: TB533 Document Code: A Article ID: 1671-7988(2018)21-86-03前言柴油机以其良好的经济型和出色的动力性，在汽车、船舶、农机等许多行业都有非常广泛的应用。

基于振动信号的滚动轴承故障诊断方法研究摘要：滚动轴承是机械装置中最基础的零部件之一，它的故障会影响到整个设备的正常运行。

因此，开发一种有效的滚动轴承故障诊断方法具有重要意义。

本文基于振动信号分析技术，研究了一种基于振动信号的滚动轴承故障诊断方法。

首先，选取适当的传感器并对滚动轴承进行测量，并采用小波分析对数据进行处理得到振动信号。

然后，运用时域特征分析和频域特征分析对振动信号进行分析，得到了滚动轴承在不同负荷下的故障特征。

接着，使用支持向量机（SVM）分类器对不同状态下的振动信号进行分类和识别。

实验结果表明，本方法具有高精度和较好的鲁棒性。

关键词：滚动轴承，振动信号，小波分析，特征分析，SVM分类器。

1. 引言随着机械制造行业的快速发展，各型号机械装置的使用也越来越广泛。

而滚动轴承作为机械装置中最基础的零部件之一，直接影响到机械设备的正常运行。

因此，对滚动轴承的故障诊断和预测已经成为技术研究的热点之一。

目前，对于滚动轴承的故障诊断方法主要包括传统的工程机械振动分析、声学分析和温度分析等方法，以及近年来出现的基于机器学习和深度学习的方法。

这些方法各有优劣，传统方法不需要大量的训练数据，但是需要受到专业领域知识的指导；而基于机器学习的方法需要更多的训练数据，但是可以普遍适用于不同类型的滚动轴承。

2. 滚动轴承的振动信号分析滚动轴承的故障通常会表现为振动信号的异常。

因此，通过对滚动轴承振动信号的分析可以得到滚动轴承的状态信息。

在本文中，选取加速度传感器对滚动轴承进行测量，然后对测定后的振动信号进行小波分析得到频谱图，如图1所示。

从图1中可以看出，滚动轴承的振动信号频谱与功率谱随着负荷大小的增加而出现明显变化，这些特征可以用来判断滚动轴承的状态。

3. 滚动轴承故障特征的提取3.1 时域特征提取时域特征主要包括振动信号的均方根、峰值、峰峰值等。

这些特征可以反映出不同状态下的振动信号的差异。

3.2 频域特征提取频域特征主要包括功率谱、频率响应等。

发动机曲轴的振动分析摘要：根据3018柴油机曲轴给定的参数，依据经验公式和实际情况，对曲轴的结构尺寸进行改进。

在适当的简化下，利用三维软件Pro/E，建立曲轴的三维实体模型。

然后利用有限元分析软件ANSYS完成曲轴仿真振动（模态）的分析，并收集仿真模型数据，得出曲轴的前几阶模态，得到曲轴的固有频率和振型。

结果表明，曲轴的固有频率均高于工作转速对应的频率，不易产生共振；曲轴在低阶频率下，主要以弯曲模态为主,随着阶数的增长,变形也随之增大,但变形发生的部位有所不同。

通过模态分析的研究，研究该发动机曲轴振动机理，并提出相应的改进措施，降低曲轴振动。

关键词：曲轴，三维实体模型，模态分析，频率，振型Vibration Analysis of Engine CrankshaftAbstract：According to the parameters of 3018 diesel engine crankshaft is given, on the basis of the empirical formula and the actual situation, the structure size of crankshaft is improved. In the simplified, using 3D software Pro/E, a three-dimensional model of the crankshaft. Then using finite element analysis software ANSYS to complete the simulation of crankshaft vibration (modal) analysis, and collect the data of simulation model, the first few modes of the crankshaft, and obtained the natural frequency and vibration mode. The results show that, the natural frequency of the crankshaft are higher than the working speed of the corresponding frequency, not easy to produce resonance; crankshaft at low frequencies, mainly in the bending mode, with the order of growth, deformation increases, but the deformation of different parts. Through the research of modal analysis, research on the mechanism of the engine crankshaft vibration, and put forward some corresponding improvement measures, reduce the crankshaft vibration.Keywords: crankshaft, three-dimensional entity model, modal analysis, frequency, vibration mode目录1 绪论 (1)1.1课题研究背景 (1)1.2模态分析国内外研究状况 (2)1.2.1 模态分析概述 (2)1.2.2 国外研究状况 (3)1.2.3 国内研究状况 (5)1.3课题研究的目的和意义 (6)1.4课题的主要研究内容 (6)2曲轴三维模型的建立 (7)2.1 Pro/E软件简介 (7)2.2曲轴的工艺分析 (7)2.2.1曲轴的工作条件及设计要求 (7)2.2.2曲轴材料的选取 (8)2.2.3曲轴结构尺寸改进 (8)2.3曲轴的简化 (10)2.4曲轴实体建模 (10)3曲轴的模态分析 (14)3.1 ANSYS简介 (14)3.2曲轴模态分析步骤 (15)3.2.1建立有限元模型 (15)3.2.2指定分析标题 (15)3.2.3定义单元类型 (15)3.2.4定义材料属性 (16)3.2.5划分网格 (17)3.2.6模态分析设置 (18)3.2.7施加边界条件 (19)3.2.8进行求解 (20)3.2.9查看结果 (20)结论 (32)参考文献 (33)致谢 (34)1 绪论1.1 课题研究背景发动机是机器的心脏，是动力设备的核心部件,已经广泛应用于现代工农业中，其性能的好坏直接影响着设备的运行。

轴承振动信号的去趋势分析和故障特征提取方法研究田锐【摘要】针对传统经验模式分解(EMD)确定含噪模式分量缺乏具体评价指标的问题,首先利用互补集合经验模式分解(CEEMD)将故障信号分解,然后利用去趋势波动分析(DFA)计算每一个模式分量对应的标度指数,有用分量和含噪分量通过标度指数的幅值阈值进行区分,最后小波分析用于对识别出的高频含噪分量进行降噪处理,其目的是最大程度地保留高频模式分量中的故障信息,实现信号的自适应降噪.通过对轴承故障信号和数值仿真信号的分析结果表明:提出的方法能够更好地识别和提取轴承的故障特征.【期刊名称】《机械设计与制造》【年(卷),期】2018(000)012【总页数】5页(P100-104)【关键词】互补集合经验模式分解;去趋势波动分析;小波分析;故障诊断【作者】田锐【作者单位】荆楚理工学院,湖北荆门 448000【正文语种】中文【中图分类】TH161 引言在流程工业中大多数设备都处在高速、重载和强磁场的环境中，滚动轴承作为重要的零部件，其发生故障会导致机械设备停机，因而对滚动轴承的故障状态进行智能诊断有实用的价值。

轴承故障信号具有非线性、非平稳的特性，传统频谱分析方法主要针对周期平稳信号，因此这些方法不能完全提取信号所含有的信息，具有一定程度的局限性。

一些非平稳信号的处理方法如：时频分析[1]、小波变换[2]及小波变换的变种[3]、多分辨奇异值分解[4]等方法虽然改进了传统方法的不足，但是针对早期微弱故障信号，其也很难取得理想的效果，主要是由于这些方法本身在理论上也存在一些局限性。

经验模式分解（Empirical Mode Decomposition，EMD）[5]具有正交性、完备性和自适应性的特点，在信号处理和故障诊断方面得到了相关运用[6-7]，但是其存在模态混叠和端点效应等问题限制了其进一步地推广。

集合经验模式分解（Ensemble Empirical Mode Decomposition，EEMD）[8]重要特点是通过添加白噪声辅助信号来部分地减弱模态混叠现象。