基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究

提出了基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测新方法,将变量消元和期望最大化算法相结合对模型进行推理,应用聚类评价指标对状态数进行优化,通过计算待识别特征向量的概率值来确定设备当前的退化状态,在退化状态识别的基础上,提出了剩余使用寿命预测方法。最后,分别应用50组轴承全寿命仿真数据和3组轴承全寿命实验数据对模型进行验证。结果表明,该模型可有效地识别设备的退化状态并对剩余使用寿命进行预测。     

基于时间-小波能量谱的齿轮故障诊断

振动信号中的冲击现象及其频率特征是诊断齿轮局部损伤故障的重要依据之一。针对齿轮故障特征提出了一种时间-小波能量谱信号处理方法,它能够有效提取振动信号中冲击成分的时域和频域特征。利用时间-小波能量谱方法分析了正常、磨损、断齿等三种状态的齿轮箱振动信号,并与传统频谱分析方法进行相比。结果表明：时间-小波能量谱不仅可以有效提取故障特征,识别出齿轮箱的故障存在,而且可以清晰地分辨出故障类型及故障元件。     

基于EMD小波阈值去噪和时频分析的齿轮故障模式识别与诊断

建立了齿轮故障系统试验装置,对齿轮传动系统在各种转速与故障状态下进行测试分析,获取了有关振动信号,对齿轮系统的无故障、齿根裂纹、分度圆裂纹、齿面磨损四种状态信号进行特征提取,并对提取的信号进行基于经验模态EMD分解的小波阈值去噪处理,然后对预处理后的信号进行时频分析与诊断。结果表明,采用基于EMD的小波阈值去噪方法比单纯采用小波阈值去噪对测试信号进行预处理,能提高信噪比,并更加有效的提取出故障特征,而在EMD的小波阈值去噪的基础上,再与时频分析方法相结合能够较好的识别不同运转状况下不同种类的故障,如齿根裂纹、分度圆裂纹、齿面磨损等,可用于对实际工程工作的齿轮系统进行故障诊断。     

基于广义分形维数的刀具磨损状态监测

根据多重分形理论,提出一种刀具磨损在线监测方法。采用覆盖法计算了切削加工过程中声发射(AE)信号的广义维数,得到了不同刀具磨损状态下AE信号的广义维数谱,分析了广义维数与刀具磨损状态间的关系。计算了AE信号广义维数特征距离及广义维数相关系数,通过比较各广义维数相关系数的大小,对刀具磨损状态进行了决策分类。实测信号验证结果表明,运用该方法可以对刀具磨损状态进行有效识别。     

局部均值分解在齿轮故障诊断中的应用研究

局部均值分解(Local Mean Decomposition,简称LMD)作为一种新的自适应的时频分析方法,在故障诊断领域开始得到研究。本文利用仿真信号研究了LMD算法的特性,验证了LMD处理描述齿轮故障信号特征的多分量调幅调频信号的有效性;在此基础上将LMD综合应用于断齿、磨损和剥落三种齿轮故障诊断中,并与传统解调方法进行了对比。结果表明,LMD方法可以有效提取故障齿轮的故障特征,消除虚假成分的影响,从而提高了齿轮故障诊断的准确性     

基于包络S变换时频图像提取齿轮故障特征

齿轮故障振动信号中调幅和调频现象同时存在,其频谱包括以啮合频率及其谐波为载频,齿轮所在轴转频及其谐波为调制频率产生的调制边频带。针对齿轮故障振动信号特征提取困难的问题,提出一种基于包络分析和S变换时频图像相结合的故障特征提取方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,然后对包络信号进行S变换,得到包络的时频图像的等高线灰度图像,计算图像的灰度共生矩阵及其统计特征量,提取齿轮故障特征。试验结果表明:该方法能有效提取齿轮故障特征。     

基于特征处理的MVU算法在齿轮故障诊断中的应用

针对不同故障类别齿轮的故障信息难以有效获取、齿面多类故障难以准确聚类的问题,提出一种基于特征处理的最大方差展开(Maximum Variance Unfolding,MVU)维数简约的齿轮故障诊断模型。首先对获取的振动信号进行最小熵反卷积(Minimum Entropy Deconvolution,MED)预处理,将高低频段进行分离并筛除不确定信号,并在多域上提取信息熵作为特征指标;而后,利用样本点分布矩阵筛选高效表征特征指标并构建高维特征空间,并利用改进的MVU算法对其进行维数简约,获取低维的真实子空间;最后,将其输入到超球多类支持向量机中进行超球构造与分类识别。通过实验数据的分析对比验证模型的有效性。     

应用Hilbert变换和ZFFT提取变速器齿轮故障特征

变速器故障齿轮振动信号,调幅现象和调频现象同时存在,其频谱中包括啮合频率及其谐波、调制产生的耦合频率。Hilbert变换无法提供足够高的频率分辨率解调低频调制信号,为此提出复调制细化谱分析方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,对包络信号进行复调制细化谱分析,得到齿轮轴转频基波及其谐波幅值。随着齿轮磨损程度的增加,齿轮轴转频基波及其谐波幅值明显增大,可作为齿轮磨损故障特征参数。     

基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法

为实现风电机组齿轮箱及时有效地监测和维护,提出基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法。该方法针对齿轮裂纹振动信号为转速频率对啮合频率及其倍频调制的特点,利用小波包分解来识别振动信号中的故障特征,通过小波包频带能量监测得到故障部位的啮合频率范围;考虑到倒频谱可以分离和提取难以识别的密集调制信号的周期成分,基于倒频谱识别故障部位的转速频率,综合利用两种频谱分析方法得到的啮合频率和转速频率,能诊断故障部位和类型。实验研究表明,该方法能精确地诊断齿轮裂纹故障,并可以实现对风电机组齿轮在复杂环境中退化状态的监测,预防断齿等重大故障的发生。     

考虑突变状态检测的齿轮实时剩余寿命预测EI北大核心CSCD

为解决齿轮疲劳退化过程中状态突变后剩余寿命难以准确预测问题,提出一种考虑退化突变点检测与剩余寿命预测相关联的齿轮疲劳实时剩余寿命预测新方法。针对齿轮磨损退化过程建立状态空间预测模型,利用接收到的齿轮实时监测振动信息实时更新模型参数,同时对退化过程中的突变状态点进行检测,并根据突变点所提供的寿命信息采用卡尔曼前向滤波及平滑算法结合期望最大化参数估计算法在滤波的同时不断对状态空间模型参数进行修正,改变退化突变后的滤波效果,进行实时状态预测与寿命估计。运用齿轮疲劳寿命试验台的实时监测数据对预测模型进行验证,结果表明利用突变点信息对预测模型进行修正后可以更快的对系统的动态变化进行跟踪,提高预测齿轮退化状态及实时剩余寿命的准确度。     

齿轮箱状态识别与剩余寿命预测的MoG-BBN法

基于混合高斯输出贝叶斯信念网络模型的齿轮箱退化状态识别与剩余寿命预测新方法,应用聚类评价指标对全寿命过程退化状态数进行优化,通过计算待识别故障特征向量的概率值来确定齿轮箱退化状态,在退化状态识别的基础上,提出了剩余寿命计算方法。再利用齿轮箱全寿命实验数据对此进行验证。结果表明,该方法可以有效地识别齿轮箱故障状态并实现剩余寿命预测,平均预测正确率为96.47 %,为齿轮箱的健康管理提供参考。     

Modification of spider gear back to uniform the stress and improve the anti-wear performance of a real thrust washer

The maintenance cost of a heavy truck increases due to the severe damage of thrust washer in the differential. The wear was usually related to the contact stress concentration. In the study, the finite element analysis (FEA) was performed for identifying the source of the abnormal wear of thrust washer. An improved approach of modifying the surface profile of spider gear back was proposed. FEA simulations were further conducted to investigate the effect of different spider gear back parameters on the tribological behavior of thrust washer. The FEA simulation results were verified by tribological experiments. Results showed that: (i) the abnormal wear of thrust washer pairing the original gear was caused by the local stress concentration; (ii) the local stress concentration could be eliminated by modifying the surface profile of spider gear back; (iii) using the modified spider gear back, the wear mass loss of the thrust washer was reduced significantly; (iv) the promising surface radius of spider gear back was 73.15 mm.     

ANFIS‐EM approach for PET brain image reconstruction

In this article, for the reconstruction of the positron emission tomography (PET) images, an iterative MAP algorithm was instigated with its adaptive neurofuzzy inference system based image segmentation techniques which we call adaptive neurofuzzy inference system based expectation maximization algorithm (ANFIS‐EM). This expectation maximization (EM) algorithm provides better image quality when compared with other traditional methodologies. The efficient result can be obtained using ANFIS‐EM algorithm. Unlike any usual EM algorithm, the predicted method that we call ANFIS‐EM minimizes the EM objective function using maximum a posteriori (MAP) method. In proposed method, the ANFIS‐EM algorithm was instigated by neural network based segmentation process in the image reconstruction. By the image quality parameter of PSNR value, the adaptive neurofuzzy based MAP algorithm and de‐noising algorithm compared and the PET input image is reconstructed and simulated in MATLAB/simulink package. Thus ANFIS‐EM algorithm provides 40% better peak signal to noise ratio (PSNR) when compared with MAP algorithm. © 2015 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 25, 1–6, 2015     

基于传动误差检测法的早期齿轮磨损故障诊断

摘 要：针对齿轮系统在复杂结构复杂工况下早期故障难诊断的问题,借鉴精密机械中检测齿轮安装误差和加工误差的传动误差检测法,建立含故障的二级齿轮系统传动误差信号模型,分析中间轴齿轮早期单齿齿面磨损对齿轮系统传动误差的影响及特征规律。经齿轮传动系统实验台实测信号研究结果证明：传动误差信号信噪比高,能够有效识别复杂齿轮系统中齿轮早期磨损故障。     

基于油液在线监测的齿轮箱磨损趋势分析与研究

齿轮箱润滑油液中的磨粒携带了大量磨损状态的信息,通过在线监测传感器能监测出油液中磨粒的相关参数(尺寸、数量、生成率等),可判断或推测出齿轮箱的磨损状态。然而,目前在线监测的磨粒相关特征参数与齿轮箱磨损状态的准确对应关系还未得到深入研究。本研究首先采用离线检测的方法验证了在线监测传感器的可靠性,然后通过自主研制的试验台进行了齿轮箱全寿命加速试验,根据不同尺寸磨粒数量、磨粒生成率等的变化趋势对齿轮箱磨损程度做出了预判;最后采用铁谱分析法进一步验证了在线监测齿轮箱故障的准确性。结果表明:基于油液在线监测的磨粒信息(尺寸、数量、生成率)能很好地对齿轮箱磨损状态进行判定和预测。     

一种自适应Chirplet分解方法及在故障诊断中应用

提出了一种自适应Chirplet信号分解过程中的参数优化估计方法，该方法首先利用最大投影分解原理结合分数阶傅立叶变换和拟牛顿方法进行参数估计，然后利用最大期望方法，进一步进行参数的优化。将提出的方法与传统的时频分析方法如短时傅立叶谱图，Wigner分布进行对比分析，仿真结果表明，提出的方法具有很高的参数估计精度、很高的时频图分辨率和抗噪能力。说明了本文提出的方法中引入EM算法的必要性。又将提出的方法应用到轴承的故障诊断中，实验结果表明，提出的自适应Chirplet分解方法是非常有效的。     

Method for the evaluation of wear and durability of involute conical straight-bevel gears

A new computational model is proposed for the investigation of the kinetics of wear of teeth of straight-bevel gears. The model is used to assess wear and establish the regularities of its behavior along the length of the gear.