变转速下局部裂纹故障行星传动系统动力学分析*

行星传动系统转速发生变化,会导致振动信号出现非平稳特性。但由于齿轮啮合转过的角度是恒定的,因此将时域的非稳态工况转化为角域的伪稳态工况能有效地解决问题。综合考虑行星传动系统水平、垂直和扭转三方向的振动,行星轮啮合相位差及各部件的附加弹性力等因素,建立行星系动力学模型,以行星轮啮合角位移为啮合周期,分别计算太阳轮、行星轮和内齿圈发生局部裂纹故障的时变啮合刚度及动态响应,并分析裂纹故障对动力学特性的影响。     

DBN与PSO-SVM的滚动轴承故障诊断

针对如何提高轴承故障诊断的准确率和算法训练的效率问题,提出了一种深度信念网络(DBN)与粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法。首先,求出信号的时频特征统计量,其次,利用DBN对时频特征统计量进行特征提取,最后,利用PSO-SVM进行分类。实验结果表明:相比于直接用PSO-SVM进行分类,该方法不仅准确率更高,而且算法训练的时间大大缩短了,提高了滚动轴承故障诊断的准确率和效率。     

基于改进奇异值分解和经验模式分解的滚动轴承早期微弱故障特征提取

针对滚动轴承早期微弱故障特征难以提取的问题,提出了改进奇异值分解(SVD)和经验模式分解(EMD)的滚动轴承早期微弱故障特征提取方法。首先用多分辨奇异值分解将信号分成具有不同分辨率的近似和细节信号,然后对近似信号用奇异值差分谱进行消噪,对消噪后的信号进行经验模态分解,将得到的各本征模函数分量进行希尔伯特包络解调,从而获得滚动轴承故障特征信息,最后通过对滚动轴承早期内圈故障的诊断实验证明了该方法的有效性     

基于局部均值分解多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断

提出了一种基于局部均值分解多尺度模糊熵和灰色相似关联度相结合的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数,并从中选取包含主要故障信息的PF分量计算多尺度模糊熵作为特征向量,通过计算待识别样本与标准故障模式的灰色相似关联度,对滚动轴承故障类型和损伤程度进行判断。将该方法与LMD模糊熵和灰色相似关联度相结合的方法进行了对比,实验表明,基于LMD多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断方法,能够有效地识别滚动轴承运行状态,实现对滚动轴承的故障诊断。     

局部裂纹故障行星传动系统固有特性分析

建立2K—H行星传动纯扭转模型;运用韦伯法计算正常、太阳轮局部裂纹故障和行星轮局部裂纹故障的内外啮合刚度;对正常模型和裂纹故障模型进行固有特性分析,通过对比发现太阳轮故障对2、3、5阶固有频率影响较大,行星轮故障对2、3、6阶固有频率影响较大,且行星传动系统在裂纹故障影响下不存在振动模式划分规律。为行星轮系动力学分析奠定基础,对行星传动系统设计和故障齿轮系统进行诊断有重要的价值。