针对基于液压泵单源振动信号易受噪声污染、无法有效表征故障特征信息的问题,提出了一种基于复数信号的log-SAM新方法。在液压泵端盖同一截面上,采集两个互相正交传感器上的振动信号;基于全矢思想,对上述双源信号融合为一个复数信号;利用log-SAM对复数信号进行包络分析,充分地突出故障特征信息,抑制噪声干扰;基于总体和最优诊断结果,实现故障诊断分析。通过分析实测液压泵滑靴磨损故障信号可知,所提方法具有很好诊断效果,且较传统全矢谱、基于单源信号分析方法和倒频谱预白化方法具有有效性和优越性。

针对行星轮轴承振动信号的传递时变路径,且行星轮轴承振动信号常被齿轮啮合振动信号所湮没等问题。提出了一种基于自参考自适应消噪的行星轮轴承内圈故障诊断方法。用自参考自适应消噪技术(SANC)、AR模型预白化等预处理技术以削弱齿轮啮合振动信号的干扰;基于谱峭度(SpectralKurtosis,SK)自适应求解共振带参数;采用Hilbert变换提取平方包络信号;对包络信号进行谱分析。试验结果表明该方法可以有效地揭示行星轮轴承内圈的故障特征信息。

针对齿轮箱混合故障信号非线性、非平稳、噪声成分多以及多故障信号相互干扰的特点,提出了基于变分模态分解和相关峭度的齿轮箱混合故障诊断方法。利用变分模态分解能够有效地将信号分解为若干个具有紧致性模态分量的特点,对混合故障信号进行分解处理,将包含不同故障的模态分量分离出来;然后,根据相关峭度能够识别不同周期的冲击性信号的特点,利用最大相关峭度原则提取出包含不同故障的模态分量;最后,对这些模态分量进行包络分析,实现混合故障诊断的目的。通过实验信号的分析验证,证明了所提方法应用在混合故障诊断中的有效性。另外,分析了模态分量个数变化对方法结果的影响,为后续研究提供了经验性的结论。

以机械工程中液压动力系统为对象，通过大量理论研究与试验验证发现：电流信号中蕴藏着反映电机、液压泵以及机械装置运行状态的信息，而液压设备的许多故障信息是以调制的形式存在于所监测的电流信号中，利用Morlet进行解包络分析，提取包络分析的时域特征参数，将其组成故障特征向量，进行灰色关联度分析，从而把包络解调分析和灰色关联分析有机结合在一起，综合它们的优势，进行故障分类和识别，为液压设备的故障诊断提供一条新的思路。

为了研究液压系统振动信号经EEMD分解前几阶IMF分量能否代表EEMD分解信号的主要成分提出了EEMD分解的相关主分量分析研究了EEMD相关主分量分析的效果。运用EEMD分解信号得到其IMF分量计算出各分量与原信号的相关系数从中找出信号的相关主分量通过对主分量进行Hilbert包络谱分析并与原信号的Hilbert包络谱比较来验证EEMD相关主分量分析效果。通过对实测信号研究表明某液压缸连续信号经EEMD分解后与原信号相关性较大的5阶IMF分量：IMF1、IMF2、IMF5、IMF6、IMF7包含原信号主要成分能表示该信号EEMD分解的主分量而前5阶却不能完整表示原信号的主分量;对液压缸冲击信号分析发现EEMD分解的前两阶IMF分量：IMF1、IMF2与原信号相关性较大能够准确地表示原信号所包含的频率成分和信息能表示信号EEMD分解的主分量代表EEMD分解信号的主要成分。因此EEMD相关主