基于变分模态分解和最大重叠离散小波包变换的齿轮信号去噪方法

针对齿轮故障信号易受噪声干扰导致故障特征难以提取的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和最大重叠离散小波包变换(maximal overlap discrete wavelet packet transform,MODWPT)相结合的信号去噪方法。采用VMD方法将齿轮振动信号分解成一系列不同中心频率的固有模态函数(intrinsic mode function,IMF),对VMD分解过程中影响其精度的主要参数选择方法进行了探究,提出相关参数的选取依据。结合能量熵增量-频域互相关系数准则以剔除分解出的高频噪声和虚假干扰成分;采用MODWPT方法对包含高频噪声的IMF分量进行去噪,以进一步提升信号的去噪效果和性能指标;最后将去噪后高频IMF分量同表征信号自身特征的敏感模态分量重构为去噪信号。通过仿真信号和齿轮断齿故障信号的分析,证明了所提方法的有效性和实用性。     

基于SED-EMD的大圆机轻微齿轮偏心故障诊断

针对大圆机的大型薄壁齿轮在制造与装配过程中容易产生偏心问题,提出一种基于振动信号的齿轮偏心故障检测方法。首先,利用偏斜度解卷积（Skewness Deconvolution,SED）增强振动信号中的齿轮偏心故障特征。其次,运用经验模态分解(Empirical Mode Decomposition,EMD)将目标信号分解为有限个固有模式分量（Intrinsic Mode Function,IMF）。然后,提出加权-相关频峭度指标（Weighted Correlation-frequency Kurtosis,WCK）自适应提取包含偏心故障特征的IMF分量,并结合峭度与峰值比指标刻画故障信息。最后,开展了大圆机齿轮偏心故障诊断实验研究,实验结果表明该方法可自适应提取故障分量,结合故障分量的频率、峭度与峰值比指标可以实现齿轮偏心故障判定与定位。     

基于EMD和功率谱的齿轮故障诊断研究

提出了一种基于经验模态分解EMD（Empirical Mode Decomposition）的齿轮裂纹故障诊断的新方法。EMD方法具有自适应的信号分解和降噪能力，EMD是先把时间序列信号，分解成不同特征时间尺度的固有模态函数（Intrinsic Mode Function，简称IMF），然后通过选取表征齿轮裂纹故障的IMF分量进行功率谱分析，就可提取齿轮故障振动信号的特征。齿轮故障实验信号的研究结果表明：该方法能有效地识别齿轮的齿根裂纹故障。     

基于改进HHT和马氏距离的齿轮故障诊断EI北大核心CSCD

针对齿轮振动信号非线性和非平稳的特点,提出一种基于改进希尔伯特-黄变换与马氏距离相结合的故障诊断方法。利用自适应白噪声的完备经验模态分解将齿轮振动信号分解成一系列固有模态函数,并采用敏感固有模态函数判别算法判断出对故障信息敏感的模态函数;通过对敏感固有模态分量的局部希尔伯特瞬时能量谱的分析,得出信号能量随时间变化的精确表达;以不同故障信号局部希尔伯特瞬时能量谱的最大峰值作为特征向量,采用马氏距离对齿轮故障进行状态识别。试验结果表明,该方法可有效识提取齿轮故障特征,实现不同故障状态识别。     

基于改进HHT和马氏距离的齿轮故障诊断

针对齿轮振动信号非线性和非平稳的特点,提出一种基于改进希尔伯特-黄变换与马氏距离相结合的故障诊断方法。利用自适应白噪声的完备经验模态分解将齿轮振动信号分解成一系列固有模态函数,并采用敏感固有模态函数判别算法判断出对故障信息敏感的模态函数;通过对敏感固有模态分量的局部希尔伯特瞬时能量谱的分析,得出信号能量随时间变化的精确表达;以不同故障信号局部希尔伯特瞬时能量谱的最大峰值作为特征向量,采用马氏距离对齿轮故障进行状态识别。试验结果表明,该方法可有效识提取齿轮故障特征,实现不同故障状态识别。     

基于EEMD的多尺度模糊熵的齿轮故障诊断

为准确利用振动信号进行故障诊断,提出基于EEMD多尺度模糊熵的齿轮故障诊断方法。利用集合经验模态分解(EEMD)对振动信号进行自适应分解,获得原始信号的不同尺度分量;据模糊熵能有效区分不同信号的复杂度,计算EEMD分解所得本征模态函数(IMF)分量模糊熵,获得原始信号多个尺度的复杂测度作为齿轮不同状态的特征参数;将该特征参数输入最小二乘支持向量机(LS-SVM)分类器判断齿轮故障。齿轮箱齿轮故障实验结果表明,该方法能提高齿轮故障诊断精度。     

基于MEEMD和GA-SVM的列车车轮多边形故障识别方法

根据列车车轮振动信号的非平稳特性,提出一种基于改进的集合经验模态分解(MEEMD)和遗传算法支持向量机(GA-SVM)的诊断方法,用于识别车轮多边形故障。该方法对车轮轴箱垂向振动信号进行MEEMD分解,依据各固有模态函数(IMF)分量的峭度值和能量值选取出主要IMF分量。利用希尔伯特变换求取主要IMF分量的包络谱,并计算包络谱熵。将包络谱熵值归一化后作为特征向量输入GA-SVM中进行训练和识别。对实测信号进行分析的结果表明该方法能有效识别出车轮多边形故障,识别准确率可达到95%。     

船体振动的轴系周期性故障特征信息识取方法

针对船舶推进轴系早期碰摩故障冲击信号周期性强且易被强烈的背景噪声所淹没的问题,提出基于船体尾部结构振动的轴系周期性故障特征信息识取方法,简称EEAF(EEMD+Autocorrelation Analysis+FFT)。首先,对采集的复杂船体尾部结构振动信号进行集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD),得到一系列固有模式分量(IMF);再以自相关函数的性质为准则,筛选出存在周期成分的IMF分量;最后对相应分解层进行快速傅里叶变换,频谱分析识取表征轴系早期碰摩故障的特征量。通过轴系故障的仿真和实船试验研究,验证了该方法的有效性和可行性。     

基于EEMD降噪和FFT的转子故障振动分析

针对转子产生故障时的振动信号受噪声干扰大、故障特征不明显这一难题,提出基于集合经验模式分解(EEMD)降噪和傅里叶变换(FFT)的转子振动信号分析方法。首先利用EEMD方法将原始故障信号分解成若干本征模态分量(IMF),然后计算各分量与原始信号之间的相关系数,筛选出有用分量并进行信号重构。最后对重构信号进行傅里叶变换(FFT)得到振动信号的特征频率。数值模拟和实验结果证明该方法的有效性和实用性。     

船体振动的轴系周期性故障特征信息识取方法

针对船舶推进轴系早期碰摩故障冲击信号周期性强且易被强烈的背景噪声所淹没的问题,提出了基于船体尾部结构振动的轴系周期性故障特征信息识取方法,简称EEAF（EEMD + Autocorrelation Analysis + FFT）。首先,对采集的复杂船体尾部结构振动信号进行集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）,得到一系列固有模式分量（IMF）;再以自相关函数的性质为准则,筛选出存在周期成分的IMF分量;最后对相应分解层进行快速傅里叶变换,频谱分析识取表征轴系早期碰摩故障的特征量。通过轴系故障的仿真和实船试验研究,验证了该方法的有效性和可行性。     

环面蜗杆类零件虚拟设计研究

针对环面蜗杆类零件齿面形成的特点,提出了一种进行虚拟设计,生成空间三维图形的简洁方法——参教化“虚拟加工”实体建模。基于AutocAD软件平台,应用LISP语言开发设计程序,并以环面蜗杆和弧面分度凸轮为例进行了实例计算。在此基础上,进一步研究了该类零件二维工程视图和各种断面图形的提取方法。文中提出的参数化实体建模方法,对深入研究一般复杂曲面的实体生成问题具有指导意义。     

膨胀石墨蠕虫的红外衰减性能研究

本文报道了不同膨胀容积的膨胀石墨蠕虫的红外衰减实验结果,并将其与常用的红外干扰材料--天然鳞片状石墨的红外衰减性能作了对比研究.结果表明:膨胀石墨蠕虫比天然鳞片状石墨具有更好的红外衰减性能.膨胀石墨蠕虫的红外衰减性能与该材料的膨胀容积有关,膨胀容积大,红外衰减性能好.     

纯滚动的包络蜗杆机构

现代高速包装机多采用高效率、小体积、高强度的包络环面蜗杆机构完成一定的降速作用，即具有双包络蜗杆传动机构的优点．又具有纯滚动滚子传动的优点。因此，这是一种非常新型的纯滚动机构，具有推广价值。     

基于蜗杆传动的坡度测量装置研发与设计

文章介绍了一种结构简单、体积小、使用灵活、方便、精度高,可以精确测量各位置的坡度,且其测量误差不大于0.01%度的便携式坡度测量装置.     

直廓环面蜗杆的三维建模与加工仿真

结合相关课题的研究和开发,利用ActiveX Automation编程接口,在AutoCAD 2006环境下用VB编程进行二次开发,实现直廓环面蜗杆的参数化三维建模和加工运动仿真．     

无侧隙双滚子包络环面蜗杆快速变型设计研究

为了提高现代包装机械的生产效率、可靠性和稳定性,提出了将一种新型蜗杆——无侧隙双滚子包络环面蜗杆应用到现代包装机械中。通过对该蜗杆传动副的数学模型和齿面接触螺旋线方程进行分析研究,提出了基于事物特性表的零件快速设计方法。采用高级语言在三维CAD系统中进行了二次开发,采用SQL Server数据库技术建立了事物特性表,实现了无侧隙双滚子包络环面蜗杆的快速变型设计,实例验证了该系统的正确可靠。     

平面包络环面蜗杆副的参数优化设计

提出了平面包络环面蜗杆副参数优化设计的原则和目的,建立了一个优化模型,采用复合形法实现了主要参数的优化设计,并成功地编制了平面包络环面蜗杆副的优化设计程序．     

硬度对钢蜗轮副材料磨损特性的影响

探讨了硬度对钢蜗轮副材料磨损特性的影响,为研究钢蜗轮副合理的硬度配对提供试验依据.在无润滑、室温条件下,在SRV Ⅳ微动磨损试验机上考察了硬度对12Cr2Ni4钢-18Cr2Ni4WA钢摩擦副磨损特性的影响.结果表明,钢蜗轮副材料一方硬度的增大会增强其本身的耐磨性,但是同时也会导致对偶件磨损的加剧,钢蜗轮副材料间存在一个合理的硬度配对,使得钢蜗轮副双方具有相近的使用寿命;试验条件下,摩擦副双方磨损体积相近的硬度配对为HRC59-HRC41.     

用涡街流量计测量蒸汽时的误差分析

本文介绍用涡街流量计测量蒸汽时的误差分析,包括蒸汽计量的系统介绍,蒸汽计量的系统管路安装情况及蒸汽计量的误差分析等.     

基于AutoCAD的阿基米德蜗杆参数化造型程序设计

以AutoCAD为开发平台,以阿基米德蜗杆（ZA）为研究对象,利用AutoCAD所提供的绘图命令绘制出蜗杆毛坯和刀具实体,用坐标的平移、旋转和布尔运算命令模仿机床上工件和刀具之间的范成切削运动来创建蜗杆实体。并以Autolisp为开发工具,进行蜗杆的三维参数化造型程序设计。用户只需加载wlwg程序,输入模数、蜗杆头数等相关参数,便可自动快速地生成蜗杆三维实体模型,操作简单快捷,造型精度较高,大大缩短了产品的设计绘图周期,提高了设计效率。