齿轮振动信号分解及其在故障诊断中的应用

对齿轮振动信号的测试及分解进行了研究。根据信号基频,把齿轮振动信号分解为啮合振动与旋转振动,这些振动信号可用于对齿轮状态进行定量研究。基于不同形式的齿轮振动信号,介绍了几种方法来提取信号中的故障信息。利用时域平均技术及齿轮振动信号分解理论对某齿轮箱早期故障信号进行了检测。研究表明,齿轮运动信号分解能够有效检测齿轮的各类故障,高阶加速度信号对齿轮某些类型的早期故障更加敏感。     

Hilbert-Huang变换在齿轮故障诊断中的应用

为齿轮故障诊断提供了一种新的途径,将Hilbert-Huang变换引入齿轮故障诊断,提出了局部Hilbert能量谱的概念,同时根据齿轮故障振动信号的特点建立了两种基于Hilbert-Huang变换的齿轮故障诊断方法:基于EMD的频率族分离法和Hilbert能量谱方法。采用EMD(Empiricalmodedecomposition)方法对齿轮振动信号能有效地将各个频率族分离;局部Hilbert能量谱可以反映齿轮振动信号的能量随时间和频率的分布情况,从而可以提取齿轮振动信号的故障信息。将这两种方法应用于齿轮故障诊断中,结果表明,基于EMD的频率族分离法和Hilbert能量谱方法都能有效地提取齿轮故障特征信息。     

齿轮故障识别

通过对振动信号进行解调,提取相位调制信号,得到了故障信息。根据齿轮啮合振动频谱,对齿轮的裂纹进行诊断。     

用振动相位信息提取齿轮疲劳裂纹特征

本文根据齿轮局部啮合刚度变化引起振动信号时间的延迟,指出振动信号的时域相位跳变信息反映齿轮疲劳裂纹特征,并且利用希尔伯特变换原理由解析信号提取相位,通过对齿轮疲劳裂纹实测,这个特征在诊断齿轮故障中得到证实。     

齿轮早期疲劳裂纹诊断的研究

在分析齿轮振动信号的幅值调制和相位调制信息的基础上 ,通过实验研究提出一种诊断齿轮早期疲劳裂纹的方法     

齿轮裂纹故障仿真计算与诊断

提出了一种利用仿真信号对齿轮裂纹故障进行诊断的方法。从齿轮的单自由度振动模型出发,将裂纹故障等效为模型中轮齿刚度的削减,运用差分算法对模型进行求解,得到齿轮的振动位移、速度以及加速度响应,利用傅立叶变换和双谱分析对仿真结果进行处理,成功地提取了齿轮裂纹的故障信息。     

基于流形学习算法的齿轮变速箱故障特征提取

流形学习算法是一种非线性的数据降维方法,可以获得数据的低维几何结构,能很好的体现系统的本质。为了提高齿轮变速箱振动故障信号的可分性,应用流形学习方法对齿轮变速箱振动信号进行故障特征提取。研究结果表明,流形学习方法可以有效地提取齿轮变速箱振动故障的特征信息,并能有效区分不同故障类型的特征信息。运用流形学习方法进行故障特征提取后的诊断结果与时域统计特征提取方法相比,提高了故障诊断的正确率。     

基于LabVIEW的小波消噪在齿轮故障诊断中的应用

介绍了利用LabVIEW平台检测齿轮故障信号，叙述了在LabVIEW的环境内，使用MATLAB脚本节点对齿轮振动信号进行小波消噪和分解，提取齿轮故障特征信息，实现齿轮故障诊断。     

基于DataSocket和小波消噪的齿轮故障远程监测与诊断

介绍利用LabVIEW平台检测齿轮故障信号 ,叙述DataSocket协议和使用DataSocket技术进行远程监控的方法 ,给出在LabVIEW的环境内 ,使用MATLAB脚本节点对齿轮振动信号进行小波消噪和分解 ,提取齿轮故障特征信息 ,实现齿轮故障的远程诊断的方案。     

粉末冶金斜齿轮振动特性实验研究

齿轮传动是一种应用非常广泛的机械传动形式,在传动过程中会产生振动、噪声,其振动特性是齿轮装置动力性能的重要指标.粉末冶金齿轮是一种新型工艺制作的齿轮,具有良好的力学性能,其振动特性的研究,对于指导设计高性能的齿轮装置,具有重大意义.设计了基于Labview的齿轮振动信号虚拟仪器系统,分析了粉末冶金斜齿轮和38CrMoAl斜齿轮振动信号特征,结果表明:粉末冶金温压斜齿轮比38CrMoAl斜齿轮振动峰值小,传动更稳定,具有广阔应用前景.     

基于扭振信号的齿轮故障诊断研究

在分析了齿轮啮合扭振的基础上提出了利用轴系扭振信号进行齿轮诊断的方法,度验结果表明扭振信号受环境噪声影响小,对故障敏感,作为齿轮早期故障诊断信息来源的扭振信号优于传统的箱体振动信号,还介绍了一种适用于状态监测的扭振测试方法。     

Vibration signal modeling of a planetary gear set with transmission path effect analysis

For a planetary gear set, the transducer-perceived vibration signal contains vibration information from multiple sources including the sun gear, planet gears, and the ring gear. All these vibration sources are subject to corresponding transmission path effects. In this paper, a comprehensive vibration signal model for a planetary gear set is proposed considering all the vibration sources and transmission path effects. Vibration sources were generated with a nonlinear two-dimensional lumped-parameter dynamic model. Transmission path effects are modeled as two parts: the part inside the gearbox to the casing and the other part along the casing to the transducer position. Given the gear sizes, the transmission path effect modeling parameters are estimated. Then the influences of different transmission paths on resultant vibration signals are analyzed. Some vibration characteristics are revealed for one healthy planetary gear set. These vibration characteristics are validated with lab experimental data in both time domain and frequency domain.     

基于倒谱和包络解调的齿轮箱故障诊断

齿轮箱是设备上重要的传动部件,齿轮故障诊断对设备的长期安全运行起着至关重要的作用.根据齿轮振动机理及谱分析来进行振动信息处理和特征提取,是目前齿轮故障诊断中的一种有效方法.分析了齿轮箱的振动故障特性,提出了用解调谱和倒谱两种分析法相结合来对系统的输出信号进行故障诊断的方法.最后在齿轮故障模拟实验台上采集了故障下的振动信...     

一种基于EMD与多特征支持向量机(SVM)故障诊断方法

针对齿轮箱故障振动信号的不平稳非线性冲击行为,本文提出了一种基于经验模态分解的特征值提取及多特征支持向量机的智能诊断方法。在电机频率分别取30 Hz、35 Hz、40 Hz;载荷分别取0 N∙M、15 N∙M、30 N∙M;采样频率为1500 Hz条件下,进行齿轮正常状态、齿面磨损和齿轮裂痕故障模拟实验。试验结果表明:该创新方法在有限样本数据分析中可以准确、有效地对齿轮箱的工作状态和故障类型进行分类,且支持向量机在故障诊断中使用方便,可以提高诊断的精确性,在齿轮箱故障诊断或类似振动信号的检测应用中具有很强的实用性。     

机车走行部故障在线诊断的特征分析方法研究

在讨论特征分析方法原理的基础上，针对机车走行部故障在线监测过程中存在的信号分析与处理问题，运用整周期等角度采样方法将时域振动信号转换为角域信号，采用FFT变换将角域信号变换为对应的特征频谱，通过谱估计、谱图分析得到机车走行部各零部件的故障特征谱值，再根据该特征谱值识别机车走行部各零部件的故障。然后，根据机车走行部故障诊断的实际需要，设计了一套基于特征分析方法的机车走行部故障在线诊断系统。实验结果表明，该方法能准确、可靠地识别机车走行部故障。     

GEARBOX FAULTDIAGNOSIS BASED ON EMPIRICAL MODE DECOMPOSITION

Time synchronous averaging of vibration data is a fundament technique for gearbox diagnosis. Currently, this technique relies on hardware tachometer to give phase synchronous information. Empirical mode decomposition (HMD) is introduced to replace time synchronous averaging of gearbox vibration signal. With it, any complicated dataset can be decomposed into a finite and often small number of intrinsic mode functions (IMF). The key problem is how to assure that vibration signals deduced by gear defects could be sifted out by HMD. The characteristic vibration signals of gear defects are proved IMFs, which makes it possible to utilize EMD for the diagnosis of gearbox faults. The method is validated by data from recordings of the vibration of a single-stage spiral bevel gearbox with fatigue pitting. The results show EMD is powerful to extract characteristic information from noisy vibration signals.     

齿轮结构振动固有特性研究

建立了齿轮的弹力体力学模型,按照厚壁板理论建立了弹性体振动微分方程,分析了齿轱本体弹性的振动固有特性,并与实验结果进行了对比分析。给齿轮本体的结构振动分析提供了一种研究方法,为齿轮噪声辐射特性的研究奠定了基础。