极值点分组模式分解的齿轮局部断齿故障试验

齿轮振动信号中含有大量的噪声。通过用极值点分组模式分解(Extreme Point Packet Mode Decomposition,EPPMD)的方法提取出齿轮局部断齿故障特征,验证了EPPMD的有效性。该方法首先提取出齿轮振动信号极值点,并将极值点进行分组,再用三次样条函数拟合出所有分组极值点的曲线,求取其均值曲线,最后像经验模态分解(EMD)一样求取出各个IMF分量,进行IMF的频谱分析诊断故障。     

连续小波变换在齿轮故障诊断中的应用

提出了将连续小波变换用于提取信号中隐含特征的方法,并将该方法应用于故障齿轮振动信号的特征识别。数值仿真结果表明,信号的连续小波变换能有效地反映出冲击特征信号；实验表明,采用连续小波变换可以对断齿振动信号的故障特征进行有效地识别。     

掘进机截割减速器振动特性仿真分析

以掘进机截割减速器为研究对象,分析了减速器齿轮的工作机理和产生振动信号原因,提出了变分模态分解(VMD)算法结合小波去噪理论的方法,通过运用变分模态算法对人为断齿故障信号进行分解,并结合小波去噪理论对其重构信号进行去噪。仿真结果表明,该方法适用于掘进机截割减速器振动特性的分析,能够完成齿轮多种振动信号特征的提取,分解层数较少,去噪效果良好,计算结果与人为造成的断齿故障位置一致,具有重要的现实意义。     

基于双树复小波包变换和形态学的减速机故障诊断

针对煤机设备减速机的振动信号特征难以提取的问题，提出了双树复小波包变换和形态学相结合的故障特征提取策略。首先利用双树复小波将减速机的振动信号分解成若干个不同频段的分量。然后根据减速机故障特征频率分布特征，选取相关的频段分量进行降噪重构。最后对重构后含有故障特征频率的分量进行形态滤波处理，进而提取出减速机的故障特征。利用现场实测数据进行验证，结果表明，该故障特征提取策略可以有效地提取出减速机的故障特征。     

基于小波降噪和改进HHT的滚动轴承故障诊断方法研究

提出了一种基于小波域阈值降噪和改进Hilbert-Huang变换的滚动轴承的振动信号分析方法。利用小波域阈值消噪的方法对振动信号进行降噪,采用基于包络极值延拓和相关系数法的HHT方法得到信号的Hilbert谱和Hilbert边际谱,根据谱图幅值特性判断轴承的状态。该方法能够有效地提取信号特征,具有良好的诊断效果。     

小波变换在齿轮故障诊断中的应用

在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。     

平行及行星齿轮箱局部故障诊断方法

平行齿轮箱及行星齿轮箱是机械设备的重要传动部件,也是故障频发部件。基于实验分析,对比研究平行齿轮箱和行星齿轮箱局部故障的特征提取方法。应用Compact-RIO采集齿轮箱的实时振动信号,运用共振解调技术,成功提取平行齿轮箱齿轮断齿故障的特征频率。对于行星齿轮断齿故障,其振动传递路径复杂,信号非平稳、非线性程度严重,共振解调技术提取不到其故障特征频率。对此,应用EEMD技术对故障信号进行分解,避免了传统的EMD技术带来的模式混叠,成功提取故障的特征频率。     

基于小波降噪和CEEMD的轴承故障诊断

针对滚动轴承故障振动信号难以提取出准确的故障特征的问题,提出了一种基于小波新阈值降噪与互补集合经验模态分解(CEEMD)的轴承故障诊断方法。该方法充分结合了以上2种方法的优点,有效地解决了故障特征提取难的问题。首先构建出新的小波阈值函数,再用此小波阈值降噪,可以有效地消除背景噪声的影响;将降噪后的故障信号用CEEMD方法进行处理,然后重构根据信号的相关系数挑选出的相关性较大的分量;最后将重构信号进行Hilbert变换包络,从包络图中提取故障特征。运用此方法对轴承进行试验分析,结果证实了该方法的有效性和实用性。     

滚动轴承振动信号小波域自适应滤波方法

针对滚动轴承故障特征的提取问题,提出一种振动信号小波域自适应滤波方法。小波自适应滤波是一种新的非线性滤波方式,可以有效地提取出信号的边缘轮廓及信号的形状特征。计算机仿真证实小波域自适应滤波具有抑制信号噪声、保留信号非线性特征方面的作用。工程实验结果表明,利用小波域自适应滤波可以从滚动轴承振动信号中成功提取隐藏在噪声中的冲击故障特征。     

基于形态滤波及局部切空间排列算法的滚动轴承故障诊断方法研究

机械设备中的滚动轴承具有重要作用,但当它发生微弱故障时,振动信号通常具有非线性及低信噪比的特点。此时,采用传统的线性方法进行故障诊断效果欠佳。针对这一问题,提出了将采用形态滤波技术降噪及局部切空间排列算法进行故障分类这两种方法结合使用的新思路。采用上述方法对试验中直径为0.177 8 mm的滚动轴承故障振动信号进行诊断,并将形态滤波与小波包滤波、多维尺度分析与局部切空间排列算法分别进行对比。计算结果充分证明,形态滤波降噪及局部切空间排列算法进行故障分类识别在处理早期微弱故障时具有极大优势。     

基于二代小波的矿井通风机故障诊断应用研究

阐述了二代小波的原理和实现方法;研究了基于Lagrange插值细分法的预测算子和更新算子的求解方法,并利用预测算子和更新算子构造出了尺度函数和小波函数;最后,将二代小波及Lagrange插值细分法应用于矿用通风机的故障诊断中,对风机振动信号进行降噪分析,并成功地提取了风机的故障特征信息,为煤矿设备故障诊断提供了一种有效的方法。     

基于小波神经网络的牵引电机齿轮故障诊断研究

以小波变换、小波神经网络为工具,采用定子电流对HXD1B型机车的YQ1633异步牵引电动机开展牵引电机齿轮故障诊断研究。定子电流法相对于振动法更容易实施,有效克服了振动信号中包含的复杂干扰。由小波分析完成齿轮故障的特征量提取,通过神经网络对故障类型进行判断,实际测试表明,该方法具有较好的故障诊断性能。     

齿轮故障诊断信息提取复合方法研究

针对齿轮故障发生早期信号微弱、难以诊断和现场干扰的问题,提出了一种基于相关性分析、峭度准则与小波变换包络谱分析相结合的齿轮早期故障诊断方法。该方法不仅有良好的降噪效果,而且能够实现故障频段的自动选择,提高诊断效率。仿真结果表明,该方法能有效去除噪声,对故障特征信号有很强的提取能力,为齿轮的故障诊断提供了一种快速有效的途径。     

基于粒子滤波信号处理的柴油机故障诊断

采用基于神经网络的重要性权值调整的粒子滤波算法对预处理后的振动信号进行降噪、小波包能量谱提取,将提取到的能量谱作为特征向量用BP神经网络对其进行故障模式分类识别。对经过粒子滤波降噪的数据和没有经过处理的数据分别用BP神经网络进行诊断,之后进行训练、测试和诊断。结果表明经过粒子滤波降噪后的数据诊断效果比较好,也证明了基于神经网络粒子滤波降噪的效果较好。     

EMD与能量算子解调在提升机齿轮箱故障诊断中的应用

提升机齿轮减速箱一旦发生故障,其振动信号表现出强烈的非平稳性,表现为复杂的调制现象,因强烈的噪声干扰,给故障特征提取带来了困难。介绍了基于经验模态分解(Empirical Mode Decomposition, EMD)与Teager-Kaiser能量算子（Teager-Kaiser Energy Operator,TKEO）解调相结合的提升机齿轮箱故障诊断方法,该方法结合了EMD自适应滤波和Teager-Kaiser能量算子非线性故障特征提取的优点。EMD方法可将齿轮箱振动信号分解成若干个局部频率从高到低不同频段的IMFs（Intrinsic Mode Functions）,各个IMF突出了原始信号的某些局部特征,再对相对高频段且含有齿轮啮合频率及谐频的IMFs进行能量算子解调,成功提取了提升机齿轮箱中间轴旋转频率fr2的故障特征频率,诊断出了提升机齿轮箱中间轴上齿轮Z2和Z3的点蚀故障。分析结果表明,该方法能有效诊断出提升机齿轮箱的故障。     

齿轮断齿机理研究及故障分析

建立了齿轮副的动态微分方程,从动力学的角度对齿轮的断齿故障机理进行分析,利用定步长的龙格—库塔法对齿轮断齿故障进行仿真分析,运用时频分析的方法研究了齿轮断齿的信号特征,为齿轮断齿故障的诊断提供理论上的支持。     

小波奇异性分析在齿轮早期故障检测中的应用

齿轮早期故障，如齿顶擦伤、点蚀、裂纹等由于故障信号往往淹没在各种噪声成分中，因此很难利用功率谱等传统信号分析方法进行检测。利用小波奇异性分析方法，提取由这些故障所导致的齿轮正常振动信号中的奇异点，可以较好实现齿轮早期故障的识别。     

基于小波阈值的通风机故障特征提取应用研究

为了对原始信号进行有效的降噪,从而获得的客观的煤矿主通风机的振动特征,确保通风机故障的诊断,采用小波阈值的方法,分析了小波阈值降噪的基本思路以及小波去噪阈值的选取原则;对小波降噪的特点进行分析,对比了小波分析和傅里叶变换分析2种方法下的去噪能力,研究为通风机故障的诊断提供了理论基础。     

基于平移不变多小波相邻系数的矿用齿轮箱故障诊断

矿用齿轮箱工作环境恶劣,发生故障时,故障信号常淹没在背景噪声中,直接做频谱分析,很难提取其故障特征。平移不变多小波能够有效地消除信号中的Gibbs现象,相邻系数降噪法充分考虑了小波系数之间的相关性,克服了传统阈值降噪的不足。论文将平移不变多小波相邻系数降噪方法应用到仿真加噪冲击信号,提取出隐藏在噪声中的冲击特征。然后将该方法应用于煤矿提升机齿轮箱的诊断中,诊断结果表明,平移不变多小波相邻系数降噪方法能够有效提取出齿轮箱的故障特征频率,为故障诊断提供了准确依据。仿真与工程应用验证了平移不变多小波相邻系数降噪方法在故障诊断中的有效性。     

基于小波能量谱旋转机械振动信号的故障特征提取

旋转机械故障诊断的关键问题在于对振动故障信号的特征提取。利用小波能量谱分析方法能够发现不同分解层中的振动信号特征并分析出故障原因。基于小波能量谱方法能准确提取旋转机械的故障特征,尤其是对微弱故障信号,为正确判断故障提供了依据。实验验证了该方法在提取旋转机械振动故障信号方面的有效性和准确性。