阀故障采用故障元件代替正常件的方式模拟。振动信号采用型号为的振动加速度传感器采集,采样频率为,采样时间为,每种状态下采集振动信号组压缩机驱动电机转速,析的轴承故障诊断分析河北工业大学学报,石文磊,陈兴明等。基于和包络谱的滚动轴承故障诊断机械工程与自动化,。基于包络谱的压缩机故障特征提取原稿。运用方法分解信号的步骤如下确定信号的所有局部极大值点和局部极小值点,采用次样条线将所有的局部极大值和局部极小值连接起来形成上下包络线,将上下包络线的均值记为,原始信号减去可得基于包络谱的压缩机故障特征提取原稿模态分量得包络谱,得到图图的模态分量包络谱图。图分解分量包络谱图图分解分量包络谱图通过图的个模态分量的包络谱图,能够明显区别故障频率处的波峰值和其他频率处的波峰,将故障频率定位在处,能够较好的区分出故障振动信号的特征频率而在分解模态分量的包络谱图中,仅图能够较明显区分故障特征频率,在图图中,存在故障频率的波峰和其他振动频率信号具有更好的适用性。参考文献刘涛,邵华基于振动信号的变频涡旋压缩机故障诊断振动测试与诊断,张赵宁方法在往复式压缩机上的应用昆明理工大学年邬再新基于信息熵的涡旋压缩机振动信号分析振动测试与诊断,王余奎,李洪儒,黄之杰,赵旭成变换相对谱熵及其在液压泵退化状态识别中的应用兵工学报聚集性,且相互不存在交叉混叠现象,说明对压缩机振动信号进行分析具有良好的可行性和有效性。通过对故障振动信号分解成若干个模态分量之和,然后分别求每个模态分量的包络,在对各包络信号做变换进行频谱分析,从而得到故障特征频率,具体流程如下图故障特征提取流程图按照图中故障流程,对气阀故障振动信号分别进行和分解,通过对故障振动信号分解,再求取各区别故障频率处的波峰值和其他频率处的波峰,将故障频率定位在处,能够较好的区分出故障振动信号的特征频率而在分解模态分量的包络谱图中,仅图能够较明显区分故障特征频率,在图图中,存在故障频率的波峰和其他振动频率波峰相同的情况,在表征压缩机故障方面效果较差,不能准确提取压缩机故障特征。与包络谱特征提取方法相比,包络谱的故障特征提取图分解分解前分量图气阀故障振动信号分解各分量频谱图经过图图内的两图对比可知,经过分解的模态分量之间存在严重的重叠和交叉,说明各模态之间存在模态混叠的现象,而信号经过分解后,各分量的频谱具有良好的聚集性,且相互不存在交叉混叠现象,说明对压缩机振动信号进行分析具有良好的可行性和有效性。通过对故障振动信号分解成若干个模态分量方法在压缩机气阀故障特征提取的效果更好,能够更加准确的定位到气阀故障频率,提取压缩机的故障特征。本文将算法应用到压缩机振动信号分析中,并结合包络谱提出包络谱的特征提取方法,通过实验得到下结论算法能够有效克服算法存在的模态混叠与包络谱相比,包络谱能够更加有效的提取压缩机气阀故障的特征频率包络谱在处理压缩机故障振动通过对采集的振动信号进行变分模态分解,然后对各模态分量求包络谱,提取压缩机故障特征信息,有效判定压缩机故障类型,为压缩机故障诊断提供技术支撑。本文研究对象为,试验中采集气阀故障状态下振动信号,其中气阀故障采用故障元件代替正常件的方式模拟。振动信号采用型号为的振动加速度传感器采集,采样频率为,采样时间为,每种状态下采集振动信号组压缩机驱动电机转速态分量求包络谱,提取压缩机故障特征信息,有效判定压缩机故障类型,为压缩机故障诊断提供技术支撑。是种新的自适应时频分析理论,相较于经验模态分解,能够较好的克服模态混叠的不足,本文将算法应用到压缩机振动信号故障特征提取中,并结合包络谱提出了包络谱的压缩机故障特征提取方法。构建变分模态分解模型,得到目标函数其中,式为约束条件,为精度,为迭算法存在的模态混叠与包络谱相比,包络谱能够更加有效的提取压缩机气阀故障的特征频率包络谱在处理压缩机故障振动信号具有更好的适用性。参考文献刘涛,邵华基于振动信号的变频涡旋压缩机故障诊断振动测试与诊断,张赵宁方法在往复式压缩机上的应用昆明理工大学年邬再新基于信息熵的涡旋压缩机振动信号分析振动测试与诊断,王余奎,李洪儒,黄之,王余奎,李洪儒,许葆华基于和的液氧泵故障定量诊断振动测试与诊断,李辉,郑海起等基于和包络谱分方法在压缩机气阀故障特征提取的效果更好,能够更加准确的定位到气阀故障频率,提取压缩机的故障特征。本文将算法应用到压缩机振动信号分析中,并结合包络谱提出包络谱的特征提取方法,通过实验得到下结论算法能够有效克服算法存在的模态混叠与包络谱相比,包络谱能够更加有效的提取压缩机气阀故障的特征频率包络谱在处理压缩机故障振动模态分量得包络谱,得到图图的模态分量包络谱图。图分解分量包络谱图图分解分量包络谱图通过图的个模态分量的包络谱图,能够明显区别故障频率处的波峰值和其他频率处的波峰,将故障频率定位在处,能够较好的区分出故障振动信号的特征频率而在分解模态分量的包络谱图中,仅图能够较明显区分故障特征频率,在图图中,存在故障频率的波峰和其他振动频率分解信号的分量只有前几个能够准确反映压缩机状态信息,故选取分解的前个分量。分解前个分量图气阀故障振动信号分解各分量波形图分解分解前分量图气阀故障振动信号分解各分量频谱图经过图图内的两图对比可知,经过分解的模态分量之间存在严重的重叠和交叉,说明各模态之间存在模态混叠的现象,而信号经过分解后,各分量的频谱具有良好的基于包络谱的压缩机故障特征提取原稿代次数。在频域内,利用范数下傅里叶等距变换对式式进行求解判断是否满足式的收敛条件,若满足则停止迭代,否则返回到步骤。基于包络谱的压缩机故障特征提取原稿。是种新的自适应时频分析理论,相较于经验模态分解,能够较好的克服模态混叠的不足,本文将算法应用到压缩机振动信号故障特征提取中,并结合包络谱提出了包络谱的压缩机故障特征提取方模态分量得包络谱,得到图图的模态分量包络谱图。图分解分量包络谱图图分解分量包络谱图通过图的个模态分量的包络谱图,能够明显区别故障频率处的波峰值和其他频率处的波峰,将故障频率定位在处,能够较好的区分出故障振动信号的特征频率而在分解模态分量的包络谱图中,仅图能够较明显区分故障特征频率,在图图中,存在故障频率的波峰和其他振动频率,王余奎,李洪儒,许葆华基于和的液氧泵故障定量诊断振动测试与诊断,李辉,郑海起等基于和包络谱分析的轴承故障诊断分析河北工业大学学报,石文磊,陈兴明等。基于和包络谱的滚动轴承故障诊断机械工程与自动化,。基于包络谱的压缩机故障特征提取原稿。通过对采集的振动信号进行变分模态分解,然后对各模来的损失,还影响气体的生产与供应。运用方法分解信号的步骤如下确定信号的所有局部极大值点和局部极小值点,采用次样条线将所有的局部极大值和局部极小值连接起来形成上下包络线,将上下包络线的均值记为,原始信号减去可得到个新的数据序列。即对式进行分析,即可得到信号的包络谱。本文研究对象为,试验中采集气阀故障状态下振动信号,其中气阀故障采用故障元件代替正常杰,赵旭成变换相对谱熵及其在液压泵退化状态识别中的应用兵工学报方法在压缩机气阀故障特征提取的效果更好,能够更加准确的定位到气阀故障频率,提取压缩机的故障特征。本文将算法应用到压缩机振动信号分析中,并结合包络谱提出包络谱的特征提取方法,通过实验得到下结论算法能够有效克服算法存在的模态混叠与包络谱相比,包络谱能够更加有效的提取压缩机气阀故障的特征频率包络谱在处理压缩机故障振动波峰相同的情况,在表征压缩机故障方面效果较差,不能准确提取压缩机故障特征。与包络谱特征提取方法相比,包络谱的故障特征提取方法在压缩机气阀故障特征提取的效果更好,能够更加准确的定位到气阀故障频率,提取压缩机的故障特征。本文将算法应用到压缩机振动信号分析中,并结合包络谱提出包络谱的特征提取方法,通过实验得到下结论算法能够有效克服聚集性,且相互不存在交叉混叠现象,说明对压缩机振动信号进行分析具有良好的可行性和有效性。通过对故障振动信号分解成若干个模态分量之和,然后分别求每个模态分量的包络,在对各包络信号做变换进行频谱分析,从而得到故障特征频率,具体流程如下图故障特征提取流程图按照图中故障流程,对气阀故障振动信号分别进行和分解,通过对故障振动信号分解,再求取各速为其额定转速。所采集气阀故障状态下压缩机振动信号时域波形和频谱图如图所示。图气阀故障波形图分别采用和的方法对压缩机气阀故障振动信号进行分析处理,得到图的气阀振动信号分解图,以及图各分量的频谱图。由于分解信号的分量只有前几个能够准确反映压缩机状态信息,故选取分解的前个分量。分解前个分量图气阀故障振动信号分解各分量波形件的方式模拟。振动信号采用型号为的振动加速度传感器采集,采样频率为,采样时间为,每种状态下采集振动信号组压缩机驱动电机转速为其额定转速。所采集气阀故障状态下压缩机振动信号时域波形和频谱图如图所示。图气阀故障波形图分别采用和的方法对压缩机气阀故障振动信号进行分析处理,得到图的气阀振动信号分解图,以及图各分量的频谱图。由于基于包络谱的压缩机故障特征提取原稿模态分量得包络谱,得到图图的模态分量包络谱图。图分解分量包络谱图图分解分量包络谱图通过图的个模态分量的包络谱图,能够明显区别故障频率处的波峰值和其他频率处的波峰,将故障频率定位在处,能够较好的区分出故障振动信号的特征频率而在分解模态分量的包络谱图中,仅图能够较明显区分故障特征频率,在图图中,存在故障频率的波峰和其他振动频率压缩机是气体生产与保障装备的核心部件,其出现故障后将严重影响气体的供应。而现阶段,压缩机检修仍采用定期维修和事后维修相结合的方式,大多是在装备发生功能性故障时才发现故障,不但不能避免装备失修带聚集性,且相互不存在交叉混叠现