搭建PT500機械故障實驗臺過程中，在實驗臺關鍵位置設置4個三向加速度傳感器，共計12個信號采集通道用以測取軸承座振動信號。實驗臺共設置4個軸承座，各傳感器通過信號采集通道與軸承座連接，由于軸在運轉過程中不同方向的振動信號不同，將各傳感器的三個信號采集通道分別布置在軸承座的兩個徑向方向x、y與一個軸向方向z上，各軸承座與其連接通道在實驗臺中的位置如圖6所示。圖6中Ⅰ~Ⅳ為四個軸承座，Ch1~12對應12個信號采集通道，以CH1~3為例的三個方向通道布置位置如圖中右側所示，ChV對轉速進行測量，P為負載盤。轉子實驗臺通過兩個負載盤進行質量不平衡轉動實驗以模擬轉子系統的6種故障狀態，每種狀態的質量塊數量及分布情況如表2所示。在安裝質量盤的過程中，單個負載盤負載時，將質量塊集中布置；兩個負載盤同時負載時，質量塊的安裝位置呈180°。故障機理研究模擬實驗臺的技術不斷更新。俄羅斯故障機理研究模擬實驗臺電話

GearboxDynamicsSimulator（齒輪箱實驗臺）nejvy??ímodelpronáhleddovysokootá?kovérotorovédynamiky（用于訓練高速轉子動力學的**模型）振動診斷シミュレーター（振動診斷模擬器）回転機シミュレータ（旋轉模擬器）シャフト旋回実験裝置（軸轉動實驗裝置）振動発生型メンテナンス実習裝置機械?設備の故障解析から設備診斷臨界速度測定実験裝置gearfaulttestplatform（齒輪箱實驗臺）AnIdealSimulatorForGearboxReliabilityStudies（齒輪箱可靠性試驗臺）ModifiedMachineryFaultSimulator（改進升級的機械故障模擬器）軸故障機理研究模擬實驗臺校準故障機理研究模擬實驗臺的實驗數據至關重要。

VALENIAN智能診斷平臺的智能診斷對故障信息進行精細診斷，的診斷方法，是精細診斷的有效手段：●圖譜：趨勢圖、波形圖、頻譜圖、棒圖、數字表、儀表盤、圖片、模型、視頻、表格、報警日歷、狀態統計●時域分析：重采樣、IIR數字濾波、FIR數字濾波、一次積分、二次積分、一次微分、二次微分、相關分析、協方差分析、虛擬計算●幅值域分析：統計分析、幅值分析、雨流分析●頻域分析：頻譜分析、自功率譜、自功率譜密度、互功率譜密度、倒譜分析、頻域積分●階次分析：整周期采樣、階次譜、軸心軌跡、振動列表、極坐標、伯德圖、軸心位置圖、級聯圖、瀑布圖●包絡分析：包絡波形、包絡譜●聲學分析：聲壓分析、聲強分析、聲功率分析●模態分析：時域ODS、頻域ODS●工程應用：應變花計算、扭矩分析、軸功率分析、扭振分析、索力計算、小波分析

現有方法對強噪聲背景下的弱信號的分析不是很理想，提出一種循環相位網絡來分析高斯白噪聲下的微弱周期信號，循環相位網絡在一定信噪比范圍內相比于其他微弱信號檢測法能更好的提取微弱信號相關信息，且計算量小，相關理論簡單，適應于對微弱信號的快速檢測。為了進一步減少計算量，引入了微弱信號存在性檢測法濾除純高斯噪聲信號，經實驗驗證微弱信號存在性檢測法與循環相位網絡相結合，對強噪聲背景下的微弱周期信號分析具有良好的效果故障機理研究模擬實驗臺的應用領域廣。

在機械設備運行過程中，零部件的運動產生振動和沖擊，包含著豐富的設備健康運行狀態信息[1-2]。振動沖擊往往是由零部件之間的碰撞敲擊產生，其幅值大小、出現位置表現著設備的健康狀態。在航空、船舶、石油化工等領域的機械設備中，包括航空發動機、內燃機、齒輪箱、往復壓縮機、泵等，沖擊振動是常見的故障模式[3-5]。因此，監測機械振動信號中的沖擊成分可有效反映機械部件運行的健康狀態，對設備進行故障診斷具有重要的意義。振動信號沖擊成分呈現多頻段分布，并伴隨著噪聲干擾，不同頻率成分的沖擊在時域混疊等問題[8-9]。以上情況，導致了復雜機械設備的實際振動監測信號的分析難度，造成了早期故障沖擊特征難以捕捉等問題。更進一步地，其中一些往復機械（柴油機、往復壓縮機、往復泵等）的振動信號的沖擊成分在時域分布上呈現周期性間隔特點，與曲軸特定轉角對應[10-12]，單從回轉設備的頻域分析方法在此并不適應。由于實際振動信號的頻域復雜性和時域多沖擊分布特點，因此需要對采集的振動沖擊信號進行頻域分解和時域沖擊的提取，為后續特征提取和故障診斷奠定基礎。故障機理研究模擬實驗臺的研究具有重要的學術價值。天津故障機理研究模擬實驗臺圖片

故障機理研究模擬實驗臺為研究提供了可靠的數據。俄羅斯故障機理研究模擬實驗臺電話

針對以上問題，并根據軸承故障脈沖的周期性、沖擊性以及與原始信號相關性的特點得到VMD參數組合的比較好Pareto解集，再利用綜合評價指標評價選擇比較好的參數組合方案，其次，信號分解并綜合評價選取比較好IMF提取故障特征，***利用仿真信號和實際軸承振動信號分析，驗證了所提方法的有效性。軸承出現故障后，運行過程中會產生周期性的沖擊，其振動信號就越有序，信息熵值也就越小。VMD分解得到的模態分量中，信息熵值越小的模態分量，包含著越多的軸承故障信息，越能反映當前軸承的運行狀態。俄羅斯故障機理研究模擬實驗臺電話