首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 109 毫秒
1.
针对齿轮箱振动信号中存在大量背景噪声及以往故障诊断中在时域、频域寻找与故障相关信息过程相对复杂的问题,提出了一种将局域波降噪与小波包分解提取频带能量最大信号的样本熵作为特征量相结合的齿轮箱故障诊断方法.首先,以峭度值作为依据对局域波分解后的各IMF(本征模式分量)分量进行重构,完成对原始信号的降噪.接着对降噪后的信号进行小波包分解并计算各子带的能量,选取子带能量最大的频段信号计算其样本熵作为特征量完成对故障的识别.以齿轮箱试验台实测信号为对象进行对比分析,证明了该方法的有效性.  相似文献   

2.
基于BP网络的舰炮齿轮箱故障诊断方法   总被引:1,自引:0,他引:1  
提出了一种新的关于舰炮齿轮箱故障的BP网络诊断方法。齿轮箱故障中约有60%是由齿轮故障导致的。采取经典的“频域”分析方法对齿轮箱进行故障诊断。通过建立相应的BP网络模型,克服了以往各种诊断方法的不足,较好地完成了对舰炮齿轮箱的故障诊断任务,提高了诊断的效率和质量。  相似文献   

3.
在对齿轮箱的机械故障诊断中,由于齿轮箱运行过程中产生的信号中存在非线性,为此将分形理论引入故障诊断技术中。介绍了分形法诊断故障的基本原理,利用G-P算法求出各工况的分形维数并进行比较,实现了对齿轮箱故障的诊断。诊断结果表明,发动机轴承正常状态下的分形维数为2.6346,各故障状态时均有惟一确定的分形维数且都大于2.6346。由此看出,用分形维数可以表征机械故障状态,说明分形理论能从本质上反映故障的结构特征。  相似文献   

4.
针对信号经验模态分解(EMD)过程中存在波形混叠现象,提出一种基于聚合经验模态分解(EEMD)和Hilbert二维边际谱熵相结合的方法对齿轮箱故障进行分类故障诊断.首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对3种工况信号进行Hilbert变换并计算得到边际谱,并且提取二维边际谱熵作为支持向量机(SVM)的输入量,建立故障诊断模型.经测试该方法在齿轮箱故障诊断方面有着较强的分类能力和诊断精度,具有一定的可行性.  相似文献   

5.
针对微小航天器集群的故障诊断问题,提出一种故障诊断(fault diagnosis,FD)新方法。依据小波神经网络(wavelet neural network,WNN)理论,结合航天器集群的领队航天器故障检测与系统重构问题,构建一种故障诊断框架,采用小波神经网络与神经网络相结合,得出航天器姿态故障诊断策略及卫星姿态故障重构技术,给出了领队航天器故障重构方案,并进行了仿真实验与验证。仿真结果表明,该故障诊断方法是有效性的、故障重构是可行性的。  相似文献   

6.
基于油液和振动信息融合的自行火炮齿轮箱故障诊断方法   总被引:1,自引:0,他引:1  
油液分析和振动分析技术是用于自行火炮齿轮箱的两大有效状态监测技术,但在实际监测中,这两种技术是分别应用的,故障诊断结论受试验方法和诊断水平影响很大,容易带来漏报和误报。如果将这两种信息进行信息融合,将极大提高诊断的精度和可靠性。通过建立试验台架采集油液分析数据和振动信号,然后通过提取这两种信息的特征参数,采用D-S证据理论对上述两种信息进行融合,得到更为准确的状态信息。通过试验证实,该故障诊断方法能够有效检测自行火炮齿轮箱故障,有较强的工程应用价值。  相似文献   

7.
通过对电气系统常见的传感器类故障、电机类感性绕组的故障、输配电线路故障和数字控制部件故障的分析,提出了相应的基于恒流源的故障诊断方法、基于脉冲序列的故障诊断方法、基于状态信息(电压/电流等)的故障诊断方法和基于BIT的故障诊断方法.针对上述方法,采用Matlab软件进行了仿真,结果表明:提出的4种故障诊断方法能够对相应的典型故障进行合理有效的诊断,为应用新技术推进电气系统故障诊断技术研究提供了一种实现方法.  相似文献   

8.
针对传统的故障诊断方法在装备故障诊断中带来的准确率低问题,提出了一种基于小波变换(WT)和深度置信网络(DBN)的通信控制设备故障诊断方法。该方法通过采集样本故障数据、分析处理故障数据、输入神经网络进行学习、对测试数据进行识别等步骤对通信控制设备进行故障诊断,并与支持向量机(SVM)、k类临近法(KNN)和BP神经网络等传统故障诊断方法进行比较。仿真实验结果表明,提出的方案识别准确率达到93%,与传统方法相比具有更高的准确率,表现更好。  相似文献   

9.
基于EEMD-CWD的齿轮箱振动信号故障特征提取   总被引:2,自引:1,他引:1  
王卫国  孙磊 《兵工学报》2014,35(8):1288-1294
为实现齿轮箱故障特征提取,提出一种基于集成经验模态分解(EEMD)和乔-威廉姆斯分布(CWD)的齿轮箱振动信号特征的提取方法。对现场采集的振动信号进行EEMD分解,再对分解得到的固有模态函数(IMF)分量依照峭度准则进行排序,选取峭度指标较大的IMF分量进行CWD分析,最终得到信号的CWD.该方法可以有效抑制由于干扰项引起的频率混叠和干扰问题,有助于将原始信号在时间历程、频率成分和幅值大小3个方面的特征信息同时进行准确提取。利用该方法对实际齿轮发生断齿、裂纹故障进行了实验分析,结果表明:该方法能够全面、有效地提取齿轮振动信号中所蕴含的齿轮箱状态信息,为后续进行齿轮箱状态识别和故障诊断奠定基础。  相似文献   

10.
针对舵机故障样本数量不足、诊断知识不完备的实际情况,提出一种基于支持向量机(support vectormachine,SVM)的故障诊断方法。根据航舵故障输入输出映射非线性的特点,分析SVM的分类机理,对基于SVM的故障诊断步骤进行介绍,解决了小样本模式的分类问题,并通过仿真对该方法的有效性进行验证。仿真结果表明:该方法对舵机故障分类准确性可达92%。  相似文献   

11.
针对某型装甲车辆行星变速箱行星轮故障特征难以提取的问题,提出了结合参数优化变分模态分解(VMD)和多尺度熵偏均值的故障特征提取方法。为克服VMD算法参数选取依赖经验的弊端,采用粒子群优化算法对VMD参数进行优化。使用参数优化后的VMD算法对信号进行分解,并依据互信息选取有效分量对信号进行重构。多尺度熵能反映信号在多尺度下的复杂度,偏均值可以反映多尺度熵的均值和变化趋势。采用基于多尺度熵的综合指标多尺度偏均值,以全面反映振动信号在多尺度下的特性,用于衡量行星变速箱运行状态,从而进行故障特征提取。行星变速箱实验数据处理结果表明,新方法可以更加有效的提取行星变速箱故障。  相似文献   

12.
基于双谱熵模型的故障模式识别   总被引:1,自引:1,他引:0  
提出利用双谱计算信号的双谱熵,并作为特征参量进行故障模式识别的方法。分析了振动信号双谱的特征,在子空间分布概率下,推导了基于能量分布的双谱熵计算方法。在理论推导分析的基础上,进行了某齿轮箱在4种工况下的振动信号提取实验,建立了齿轮箱故障模式识别BP神经网络。最后将双谱熵特征参量作为输入,对设置了4种故障工况的齿轮箱进行了故障模式识别,成功地判别了4种工况,验证了方法的有效性。  相似文献   

13.
利用时域平均技术完成对周期信号的提取,通过对信号的内插处理、解调分析、重新抽样和时域平均,完成对轴频信号和啮频信号的提取;通过对故障信号特点的研究,提出了故障信息增强方法,给出了故障敏感因子。通过对装甲车辆齿轮传动箱振动加速度信号测试结果分析,得到了良好的效果。与未采用故障信息增强方法相比,不仅提高了信号的信噪比,而且提高了故障信息。  相似文献   

14.
分析了常见的故障分类方法.针对当前故障分类模糊,故障信息融合诊断方法适用范围界定困难等问题,从故障诊断的需要出发,将故障划分为单现象故障、多现象故障和未知故障.分析了一些典型控制系统故障模式,根据时间属性的不同,将故障特征划分为功能型特征、指标型特征和过程型特征,为故障信息融合诊断方法研究奠定了基础.  相似文献   

15.
针对滚动轴承故障在线监测问题,将LabVIEW与Matlab 2种编程方式相结合进行故障诊断。论述滚动轴承故障信号特征,介绍峭度分析法和共振解调法分析方法,并采用LabVIEW和Matlab联合编程进行算法实现。借助典型轴承故障实验数据对分析方法进行验证,结果表明:该系统能有效分析并识别轴承的特征故障,可用于轴承故障监测。  相似文献   

16.
两栖车液压系统及其故障诊断搜索策略研究   总被引:1,自引:0,他引:1  
姚成玉  赵静一 《兵工学报》2006,27(4):604-607
为提高两栖车的水陆行走性能,设计出采用闭式回路的液压驱动系统并针对其结构组成、信息传递复杂、故障多发等特点,以“泵发动机憋停”故障诊断为例,利用故障树分析并综合考虑故障诊断中的搜索成本、故障概率等因素求解出两栖车液压系统故障搜索序列。克服了单纯采用故障树分析法在故障搜索时效率低的问题,提高了液压系统故障诊断的快速性和准确性,实现了故障诊断的优化,保障了两栖车液压系统的可靠性。  相似文献   

17.
装甲车辆传动装置是装甲车辆关键组成部分之一,对车辆机动性能的发挥具有重要作用。机械传动是装甲车辆传动装置构成的基本样式,其中以齿轮传动为主。针对装甲车辆服役条件下的关键零部件健康监测与故障诊断难题,以传动箱齿轮为研究对象,探索利用加速度传感器在线长期监测振动信号以进行装甲车辆旋转件(齿轮、轴、轴承等)状态评估和诊断的可行性。采用有限元分析对正常、点蚀、裂纹和断齿4种状态下的齿轮进行了模态分析,在齿轮箱模拟试验平台上进行了振动信号的采集与处理,对比分析了正常与断齿条件下的振动信号频谱。结果表明:齿轮损伤会引起其固有频率下降,随损伤加剧,固有频率降幅增大。因此,齿轮固有频率随其状态变化而变化,可作为损伤指标;振动信号频谱分析,特别是边频带结构特征,有助于实现齿轮故障诊断。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号