坦克变速箱工作档位齿轮故障诊断研究

通过在实车上模拟坦克变速箱工作档位齿轮故障,利用Hilbert变换幅值解调法提取箱体振动信号的包络,并对包络信号进行抽取和低频段频谱细化,提出了一种基于包络细化谱分析的坦克变速箱工作档位齿轮故障诊断方法。     

改进EMD分解自相关解调的变速箱故障诊断

分析了某型坦克轴承滚动体故障信号,运用EMD分解和峭度指标优选准则选取包含故障特征较多的固有模式分量,结合回转机械信号具有准周期特点,对重构信号进行自相关去噪然后解调,该方法能减少噪声与其他激励源的干扰,提高诊断效果,对齿轮断齿故障运用此步骤,亦得到较好的诊断效果,与传统包络解调相比有更好的效果。     

基于嵌入和遥测的轮式自行火炮变速箱测试诊断研究

针对在有线连接的条件下无法实现轮式车辆变速箱带载荷测试的问题，提出基于嵌入式和遥测技术的变速箱性能检测新方法，包括系统硬件和软件设计等。嵌入式检测系统随车采集变速箱的状态信息，经特征提取后，反映变速箱工况的特征量通过无线数传模块发送给远端的信号分析单元，信号分析单元在提取变速箱故障特征的基础上，应用模糊聚类分析方法对变速箱工作状态进行识别。该方法由于充分利用了车辆行驶时的动态载荷，使得测试的振动信息更有代表性，可以反映更多的系统特性，能够提高轮式车辆变速箱的故障定位精度。     

基于神经网络的自行火炮变速箱轴承故障模式识别

在分析振动信号的基础上，提取了反映自行火炮变速箱轴承故障的时域特征量和包络谱特征量．构造了结构合适的BP神经网络，实现了自行火炮变速箱轴承故障模式的计算机自动识别，有效地检测了自行火炮变速箱轴承的早期故障．     

装甲车辆传动箱齿轮健康监测与诊断方法

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。     

基于盲源分离的齿轮箱复合故障诊断研究

针对传统盲源分离(BSS)技术在处理非线性变化的复合故障信号时的不足,将核独立分量分析(KICA)技术应用于齿轮箱的状态检测与故障诊断。介绍了KICA的基本原理,进行了仿真说明。最后应用该方法并结合包络阶次谱分析对设置了2种故障的齿轮箱进行故障诊断,最终找到了故障特征,成功判别出了这2种故障,并验证了该方法的有效性。     

基于故障树和规则的火控系统故障诊断专家系统

为提高坦克火控系统火力射击的精度,提出一种基于故障树和规则的坦克火控系统故障诊断专家系统。 根据系统自身特点及相关专业知识建立故障树,结合坦克火控故障诊断专家系统构造原则,采用反向推理策略结合 深度优先搜索的方法,通过故障树定性定量分析各部件对坦克火控系统性能的影响,给出故障树转化规则,得出应 用改进的反向推理策略。研究结果表明：该方法提高了搜索效率,可为其他火控系统故障诊断提供借鉴。     

基于分形理论齿轮箱故障诊断研究

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。     

装甲车辆齿轮箱故障诊断中的信息增强技术

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。     

基于参数优化变分模态分解和多尺度熵偏均值的行星变速箱故障特征提取

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。     

基于双谱熵模型的故障模式识别

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。     

自动变速操纵系统稳态工况下非平稳随机信号的故障诊断技术研究

提出了基于信号冗余关系的自动变速操纵系统（ASCS）稳态行驶工况非平稳随机信号多重故障检测和诊断策略。通过分析ASCS非平稳信号特性以及信号之间的冗余关系,提出故障检测和诊断策略设计原则：不可信原则、多故障兼容原则和概率原则,作为故障检测和诊断策略设计的指导思想。同时根据故障诊断结果的准确性和有效性特点将故障诊断结果划分为一级、二级、三级3种类型。通过分析ASCS稳态工况的先验知识,提出非平稳随机信号故障检测和诊断策略,实现发动机转速、变速箱输入轴转速、车速和车辆挡位信号之间单或多重故障诊断的功能。向实车数据中注入不同类型故障来检测故障诊断策略的完整性和正确性,试验结果证实了该方法的有效性和实用性。     

基于人工神经网络的大规模模拟电路故障诊断

大规模模拟电路故障诊断,先用定位向量初定位故障子网络,再用神经网络定位故障子网络元件级故障.诊断分测前和测后,测前先将每个子电路的各种故障情况用Multisim模拟,求得各可及节点电压并作为BP的训练样本,再对所测电压信号分别归一化处理,定义网络的故障定位向量.最后用BP网络分析故障特征,进行故障诊断.     

Online Fault Diagnosis Method Based on Nonlinear Spectral Analysis

The fault diagnosis based on nonlinear spectral analysis is a new technique for the nonlinear fault diagnosis, but its online application could be limited because of the enormous compution requirements for the estimation of general frequency response functions. Based on the fully decoupled Volterra identification algorithm, a new online fault diagnosis method based on nonlinear spectral analysis is presented, which can availably reduce the online compution requirements of general frequency response functions. The composition and working principle of the method are described, the test experiments have been done for damping spring of a vehicle suspension system by utilizing the new method, and the results indicate that the method is efficient.     

基于LabVIEW与Matlab的滚动轴承故障诊断

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。     

遗传小波神经网络故障字典在模拟电路故障诊断中的应用

以神经网络、小波分析和遗传算法等为代表的智能诊断技术,是故障诊断技术发展的一个重要方向。以传统故障字典法、BP神经网络、小波分析和遗传算法等基本原理为基础,将神经网络、小波分析和遗传算法与故障字典结合,用小波分解预处理故障信号提取故障特征,用遗传算法优化BP神经网络的结构和权值,对基于遗传小波神经网络的故障字典在模拟电路故障诊断中的应用进行研究,并结合实例验证其实际使用性能。     

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

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。     

基于无线遥测的大型装备在线监测与故障诊断

针对某大型武器装备系统庞大、故障检测难的特点,提出一种基于无线遥测技术的在线监测与故障诊断方案。方案中各检测仪与上位主机之间通过无线通讯来传递信号与命令,且检测仪直接安装于装备上,从而减少了上位主机与各检测仪之间的大量电缆连接,实现了诊断系统的便携、小型化。该方案采用多级分布式检测与单板多机技术相结合方法,实现了检测信号的高速采集,并运用模式识别与神经网络等技术来实现设备工作状态的自动搜索与在线监测。实验表明,该技术方案能实现大型武器装备的快速、准确故障定位与远程监测。     

模糊Petri网在坦克自动装弹机故障检测中的应用

针对坦克自动装弹机故障检测因果关系的复杂性和模糊性,提出了一种基于模糊Petri网的故障检测方法;在推理规则的基础上给出模糊Petri网推理算法,分析了自动装弹机故障特点,建立了模糊Petri网故障检测模型;最后通过实例分析验证了这种方法的可行性与有效性,方便利用计算机软件进行算法设计。     

基于局部线性模型树模型的柴油机进气系统漏气和堵塞故障诊断

柴油机进气系统漏气和堵塞等性能退化型故障将会导致排放恶化和经济性下降。针对进气系统具有较强的非线性,难以建立精确的数学模型问题,提出基于局部线性模型树（LOLIMOT）模型的故障诊断方法,为在线故障诊断提供一种思路。提取进气压力波的一次谐波信号幅值与相位、充量系数为故障特征,采用 LOLIMOT方法对充量系数、进气压力波动幅值与相位信号建立基于发动机转速和进气密度的参考模型;采用奇偶方程生成3个残差信号,计算各个残差信号的阈值;分析残差信号和故障类型的映射关系。结果表明：所建进气压力波动幅值LOLIMOT模型、进气压力波动相位LOLIMOT模型、充量系数模型验证数据与模型仿真数据具有较高线性相关度;采用充量系数、进气压力波幅值与相位为故障特征值建立的LOLIMOT模型生成残差信号的故障诊断方法,可诊断进气系统漏气故障和中冷器堵塞故障。