旋转机械转子早期故障诊断方法的研究
发布时间:2021-11-15 10:28
在本次研究工作中,主要分为三部分组成。首先通过基本原理论证和算法推导,提出了适用于旋转机械早期故障的陡峭度分析法和对数功率谱相关函数分析法。其次使用MATLAB6.5语言编写相关分析程序,并利用计算机模拟故障信号对程序进行调试及改进。同时总结旋转机械常见的故障类型,并深入研究了旋转机械的故障机理。最后在Bentley转子试验台上完成转子不平衡、不对中、松动、碰摩共四种故障。通过使用时频分析法、陡峭度分析法和对数功率谱相关函数分析法对四种故障信号进行处理,对上述三种分析方法进行了比较研究,得出了分析结论。
【文章来源】:华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】:77 页
【学位级别】:硕士
【部分图文】:
滤波器响应特性
一些不同频率的正弦波和它们各自的振幅[24-28]。对于一个时域信号 x (t)其傅里变换为:Xfxtedtift∫∞ ∞ =2π( )()(2-2傅里叶逆变换: xtXfedtift∫∞ ∞=2π( )()(2-2傅里叶变换是从时域到频域,或从频域到时域的信号转换,并无信息丢失,同的只是其表示方法。2.5.2 频谱混迭和采样定理将连续信号变成数字信号是在计算机上实现信号数字处理的必要步骤。在实作中,信号的抽样是通过 A/D 芯片来实现的。通过 A/D,将连续信号 x (t)变成信号 ()sx nT, x (t)的傅里叶变换 X ( j )变成 ()j X e。A/D 转换原理如图 2-2 所示:
图 2-3 采样信号的频谱混迭现象采样定理是由 Nyquist 和 Shannon C. E 分别于 1928 年和 1949 年提出的,所以又称 Nyquist 采样定理,或 Shannon 采样定理。该定理描述如下:若连续信号 x (t)是有限带宽的,其频谱的最高频率为cf ,对 x (t)抽样时若保证采样频率scf ≥ 2f(或sc ≥2 )那么,可由 ()sx nT恢复出 x (t),即 ()sx nT保留了 x (t)的全部信息。该定理给我们指出了对信号采样时所必须遵守的基本原则。在实际对 x (t)作采样时,首先要了解 x (t)的最高截止频率cf ,以确定应选取的采样频率。若 x (t)不是有限带宽的,则在采样前应对 x (t)作模拟滤波,以去掉scf ≥ f的高频成分,这种用以防频谱混迭的模拟滤波器又称“抗混叠滤波器”。采样频率又称为“Nyquist 频率”,而使频谱不发生混迭的最小采样频率,即scf = 2f称为“Nyquist 频率”。信号的采样定理是连结离散信号和连续信号的桥梁,是进行离散信号处理与离散系统设计的基础。2.5.3 离散傅里叶变换(DFT)和快速傅里叶变换(FFT)
本文编号:3496599
【文章来源】:华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】:77 页
【学位级别】:硕士
【部分图文】:
滤波器响应特性
一些不同频率的正弦波和它们各自的振幅[24-28]。对于一个时域信号 x (t)其傅里变换为:Xfxtedtift∫∞ ∞ =2π( )()(2-2傅里叶逆变换: xtXfedtift∫∞ ∞=2π( )()(2-2傅里叶变换是从时域到频域,或从频域到时域的信号转换,并无信息丢失,同的只是其表示方法。2.5.2 频谱混迭和采样定理将连续信号变成数字信号是在计算机上实现信号数字处理的必要步骤。在实作中,信号的抽样是通过 A/D 芯片来实现的。通过 A/D,将连续信号 x (t)变成信号 ()sx nT, x (t)的傅里叶变换 X ( j )变成 ()j X e。A/D 转换原理如图 2-2 所示:
图 2-3 采样信号的频谱混迭现象采样定理是由 Nyquist 和 Shannon C. E 分别于 1928 年和 1949 年提出的,所以又称 Nyquist 采样定理,或 Shannon 采样定理。该定理描述如下:若连续信号 x (t)是有限带宽的,其频谱的最高频率为cf ,对 x (t)抽样时若保证采样频率scf ≥ 2f(或sc ≥2 )那么,可由 ()sx nT恢复出 x (t),即 ()sx nT保留了 x (t)的全部信息。该定理给我们指出了对信号采样时所必须遵守的基本原则。在实际对 x (t)作采样时,首先要了解 x (t)的最高截止频率cf ,以确定应选取的采样频率。若 x (t)不是有限带宽的,则在采样前应对 x (t)作模拟滤波,以去掉scf ≥ f的高频成分,这种用以防频谱混迭的模拟滤波器又称“抗混叠滤波器”。采样频率又称为“Nyquist 频率”,而使频谱不发生混迭的最小采样频率,即scf = 2f称为“Nyquist 频率”。信号的采样定理是连结离散信号和连续信号的桥梁,是进行离散信号处理与离散系统设计的基础。2.5.3 离散傅里叶变换(DFT)和快速傅里叶变换(FFT)
本文编号:3496599
本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/3496599.html