扫路风机,风机,鸿宇风机

广泛应用。其中， 经典功率谱估计方法(如周期图法、自相关法) 在工程实践中应用****为广泛， 但是， 该方法存

在着方差性能差， 分辨率低等局限。现代功率谱估计中的大熵谱估计和参数模型功率估计 (如 AR，MA，

ARMA 和 Prony 模型) ****了频率分辨率， 在振动信号的分析中也得到了应用。对于平稳信号而言， 其频域的

能量分布不随时间变化， 上述功率谱估计方法可以满足精度要求。

(2) 时频分析

析对汽轮发电机组轴承发生松动故障前后振动信号的分形维数进行了计算，屋顶风机， 得到了不同的结果。文献[14]在

应用分形维数作为征兆参数对滚动轴承进行故障诊断研究之后得出: 滚动轴承在不同的运动状态下具有不

同的分形维数， 分形维数可以作为识别轴承故障的特征量。

对于旋转机械中常见零部件(如滚动轴承、齿轮)的故障， 还有专门的振动信号处理技术， 如包络解调和倒

谱分析等方法。为了从被噪声严重污染的信号中提取有用信息，窑炉风机， 时域滤波技术(如 Kalman 滤波和自适应滤波

[12] 屈梁生，扫路风机， 史东峰.全息谱十年: 回顾与展望[J].振动、测试与诊断， 1998， 18(4) : 235 - 242.

[13] 闻邦春， 顾家柳， 夏松波，风机， 王正等.高等转子动力学[M].北京: 机械工业出版社， 2000 : 321 - 370.

[14] 吕志民， 徐金梧， 翟绪圣.分形维数及其在滚动轴承故障诊断中的应用[J].机械工程学报， 1999， 35(2) : 88 - 91.

[15] 杨叔子， 史铁林， 丁洪.机械设备诊断的理论技术与方法[J].振动工程学报， 1992 ， 5(3) : 193 - 201.

[16] 吴今培.智能故障诊断技术的发展和展望[J].振动、测试与诊断， 1999， 19(2) : 79 - 86.

[17] Timo Sorsa， Heikki N. Koivo .Application of Artificial NeuralNetworks in Process Faul