工况下齿轮变速箱的低噪声优化方法研究

提出了一种综合方法能够计算来自变速箱稳定的动态响应和噪声辐射。该方法在考虑时变啮合刚度、齿轮误差和轴承箱体的情况下建立圆柱齿轮传动系统的动力学模型,通过求解数学模型获得动态轴承力的数据。此外,以轴承负载力的数据为激励,数值模拟计算出变速箱的振动和噪声辐射,随着节点动态响应时间的变化,获得了变速箱的噪声频谱和共振频率范围。最后,计算了变速箱面板的共振的频率范围。基于变速箱面板声学贡献分析和振型的结论,对两个齿轮箱的刚度进行了改善。对比分析齿轮箱噪声辐射,确认该方法能有效降低噪声的产生,对变速箱的设计提供了有用的理论指导。     

某机床振动噪声测试及分析改进

阐述影响机床主轴箱噪声的因素,通过振动信号测试和噪声测试,根据频谱图尖峰频率的主要成份,结合特定转速下啮合频率的计算值,识别了主要噪声源,并提出在变速箱齿轮传动结构设计中应重视的问题,尽可能保证啮合频率不重合,有效降低噪声水平。     

主变速箱噪声控制及优化设计技术研究

针对某型数控机床主变速箱存在噪声的问题,通过对主变速箱进行动力学分析,找到了产生噪声的主要因素为系统共振及噪声干涉,确认了主要噪声源来自于最后一级齿轮传动。以此指导主变速箱的设计,反复修正得到较优化的结构,实际结果验证了该方法的优越性。     

圆弧齿同步带传动噪声理论分析与试验研究

以RU型圆弧齿同步带为研究对象,通过分析啮合冲击噪声和横向振动噪声的产生机制,得到转速为影响同步带传动噪声的主要原因。在同步带振动与噪声试验台上进行转速对同步带的振动与噪声影响规律的试验研究。利用激光位移传感器和声压传感器测量啮入点处同步带传动的振动和噪声信号,得到啮入点处的噪声和振动的时域分布曲线和频域分布曲线。从噪声和振动随转速变化规律曲线可知：随着转速的增加,噪声幅值逐渐增大,振动幅值逐渐减小。研究结果为同步带传动振动与噪声的控制提供了依据。     

基于多层降噪处理的轴承故障特征提取方法

针对滚动轴承振动信号的故障信息难以准确获取问题,提出一种新的基于多层降噪处理的轴承故障特征提取方法。所提方法首先依据小波包变换原理处理原始轴承信号,消除噪声干扰;变换后的振动信号用经验模态分解方法处理可得若干个IMF分量,计算所得分量与变换所得信号间的互相关系数,并依据相关系数准则筛选有用分量完成振动信号的重构;再通过自相关方法剔除重构信号中的混叠干扰信号,实现振动信号的多层降噪;最后对去噪后的重构信号解调处理,获取信号包络谱图并分析,得到所需故障特征。试验结果表明该方法能够有效地消除原始信号中的干扰和噪声,分离出清晰的故障振动信号并获取有用的故障特征。     

节流阀口高速流场可视化测试方法研究

液压阀作为液压系统的重要组成部分,其内部流体高速流动时会在节流阀口处产生空化现象,并由此产生噪声及振动。提出一种高速流场可视化测试方法,可以同步进行图像与数据采集,能方便、直观地对液压阀内部流场现象进行观测,同时获取噪声、振动等信息。对该测试方法获取的信息进行研究有助于为设计低噪声、低振动型液压阀提供理论依据。     

穿过式探头对钢管进行涡流探伤时振动噪声产生的原因及消除方法

用穿过式探头对钢管进行探伤地，往往由于钢管的振动而产生振动噪声，本文从理论分析与实验证明产生振动噪声的主要原因是钢管振动时引起钢管磁化不均，致使部分钢管没有饱和磁化而产生噪声，提出了一些消除振动噪声的办法。     

小波分析在车辆故障诊断中的应用

车辆变速箱振动信号可用小波分析法预处理后,再用小波包能量尺度图分析法识别故障,按此法对BJ212变速箱准确地进行了故障识别,结果表明利用小波分析进行变速箱故障诊断的方法行之有效.     

基于小波包滤波的电机噪声自动检测系统研究

电动机的噪声是其质量控制和故障检测的关键参数之一.本文基于小波包滤波方法,提出一种应用计算机声卡的电动机噪声检测方案.利用计算机声卡的A/D转换功能来采集电动机的噪声信号,应用小波包滤波方法消除与回转频率无关的噪声干扰,提取与转速直接相关的振动信号.实验表明,这种方法降低了电机检测成本,能够准确地获取测试信号.     

汽车振动噪声测试的阶次跟踪方法

汽车振动和噪声是影响舒适性的主要因素，如何采用有效的技术手段测量分析汽车的振动、噪声，日益受到人们重视。本文应用PULSE多分析系统中的阶次跟踪分析方法，测试分析了车内司机座位处振动、噪声随发动机转速变化的关系，结果发现，对于试验车在测试工况下1．5倍发动机转速时，车内振动和噪声都有一个峰值。文中通过阶次分析，对发动机运转稳定性进行了测试。为降低车内噪声和振动响应提供了分析依据和参考。     

轴承套圈端面振动引起的噪声模型的确定

利用声学理论中的典型声源结构建立了由轴承套圈端面振动所产生的噪声数学模型，为研究滚动轴承的降噪减振提供了理论依据。同时根据现场的试验情况，对该噪声模型进行了验证，其结果是可行的。     

石化齿轮箱振动信号高价值量纲一化特征提取方法研究

石化齿轮箱故障信号特征之间呈现模糊性和耦合性,正常状态与异常状态之间相互影响,导致故障分类难。为解决此问题,提出一种石化齿轮箱振动信号高价值量纲一化特征提取方法。运用数据预处理方法,从采集的数据中抽取有效数据,对其进行量纲一化指标表示,再依据量纲一化指标分布规律提取高价值量纲一化特征。为保证样本的完备性,建立高价值量纲一化特征的增容模型。利用该方法能够准确提取石化齿轮箱实验机组轴承故障特征,可为石化齿轮箱特征提取提供参考。     

音平控渣中弯管取声的实验研究

音平控渣技术中,取声是关键。弯管取声可避免直管取声的一些不足之处。因而用实验方法研究了弯管取声中各段管长与滤波频率的匹配关系,通过分析比较对应的音平曲线得到较佳的匹配关系,对确定弯管取声中各段管长具有一定的指导意义。     

侧压定宽机声音状态监测系统设计

针对SP侧压定宽机间歇工作、振动频率低和非平稳等特点 ,以声音信号为监测对象 ,开发和设计了其运行状态监测系统。系统基于LabView虚拟仪器平台 ,以小波分析 ,盲源分离等非平稳信号处理技术为机器特征的提取工具 ,结合常规的时域统计方法 ,对侧压定宽机实施监测。以实测信号分析验证了该系统的有效性     

基于声信号处理的窨井盖盗毁检测方法

为遏制偷盗和毁坏窨井盖行为,提出一种利用声信号对窨井盖偷盗和毁坏进行检测的方法。因不同声信号的能量基于频率的分布存在差异,将窨井盖产生的振动声信号进行FFT变换,将变换后的频谱转化为能量谱,利用统计方法确定窨井盖振动声信号能量在频率上的特征分布区间和分布阈值,计算其他干扰声信号的20个最大能量点在该特征区间的概率分布数并与阈值对比,判断窨井盖的振动声是否是遭受盗毁时敲击引起的。实验结果显示:窨井盖敲击声的能量分布与其他声信号具有明显不同,其能量分布的特征频率为48～504 Hz,分布阈值为85%。该方法能够有效识别盗毁窨井盖声音,且在一定信噪比环境下具有较强鲁棒性。     

基于LabVIEW和声卡的车床噪声源识别虚拟仪器设计

利用NI LabVIEW7.1开发平台,用声卡代替商用数据采集卡,开发了一套车床噪声源识别系统.该系统能实现噪声信号采集、功率谱分析以及齿轮啮合频率的计算等功能,能很迅速、直观地找出引起车床噪声声压级超标的啮合齿轮对,对于车床制造企业有很高的实用价值.     

正火冷却对车轴超声波透声性的影响

通过试验 ,分析并找出影响车轴超声波透声性的原因 ,提出对热处理工艺的改进措施 ,从而解决了车轴锻件超声波透声性差的问题     

一种基于幅值调制比率的风电机组齿轮箱失效自动识别方法

风电机组状态监测部位多,数据分析工作量大,人工故障识别的方式使得风电机组状态监测报告滞后。本研究提出一种基于幅值调制比率的风电机组齿轮箱失效自动识别方法,针对风电机组转速不平稳的特点首先对齿轮箱振动加速度信号进行时频分析得到机组的瞬时转速,然后进行阶比处理将等时间间隔信号序列重采样转换成等角度间隔信号序列,频域变换后选择一倍啮合频率和两倍啮合频率幅值较大值,计算调制间隔为转频的多频率点幅值累加和,再将与较大啮合频率处的幅值调制比率作为特征值表征齿轮箱的失效状态。恒速和变速风电机组齿轮箱振动数据分析结果都表明该特征值具有良好的故障与正常状态区分能力,且不同转速下该特征值具有稳定性。     

芯片基板材料的液浸法超声测量研究

采用基于脉冲反射法、A型显示法、纵波法、单探头法以及液浸法的超声测量方式对组成芯片的铝基板和铜基板声速进行测量。分别采用基于换能器移动改变声程和基于反射底面变化改变声程2种方法,对水的声速进行标定测量,得到系统的测量误差为0.13%;基于反射界面变化改变声程测量铝基板和铜基板,在90%的置信概率区间内,得到铝基板的声速为(6375.97±29.97)m/s、铜基板的声速为(4655.70±28.24)m/s;对铝基板和铜基板的仿真分析与测量结果相似,表明该测量方式具有较高精度。测得的声速可用于研究芯片的其他物理特性以及超声检测芯片的连接及内部界面结合质量。     

基于VMD-FHT的风机齿轮箱故障特征提取方法

针对风电机组齿轮箱运行工况复杂、背景噪声大,难以提取其故障特征信息的问题,提出一种基于变分模态分解（VMD）和分数阶希尔伯特变换（FHT）的风电机组齿轮箱故障特征提取方法。利用VMD分解风机齿轮箱各个故障信号,并且定义一种分解品质因数以选取VMD的最优分解层数K;对经最优化VMD分解后的各模态分量进行分数阶Hilbert变换,计算各模态分量的边际谱并进行线性叠加;提取该边际谱的频域特征作为齿轮箱故障信号的特征量。实验结果表明,采用该方法能够准确地提取出风机齿轮箱的故障特征,并获得更优的故障识别效果