旋转机械轴系不对中故障分析

分析了旋转机械轴不对中的原因,建立了该故障的动力学模型,并用数值分析方法进行理论分析,得出了不对中故障振动特性,通过具体实例验证了不对中故障的振动特性.     

分形维数在矿井通风机故障诊断中的应用研究

用分形维数对通风机的振动信号进行了描述,研究表明矿用通风机几种典型故障的振动信号对应有不同的分形维数,由此可对通风机的典型故障进行识别;将小波除噪理论与分形相结合应用于矿用通风机故障诊断,通过对通风机振动信号去噪前后分形维数的研究发现噪声对振动信号分形维数影响较大,通风机振动信号经小波降噪处理后,有效减小了噪声对信号的影响,利用除噪后振动信号的分形维数准确地诊断出了通风机存在的故障.     

基于WT与cICA的齿轮箱低频故障特征提取

齿轮箱低频故障信号易受到高频振动及强噪声等因素的干扰,测量信号中隐藏的有效低频故障特征比较微弱,再考虑到源噪声的影响,则约束独立分量分析直接提取低频故障特征的效果很差。为此提出了基于小波变换与约束独立分量分析的齿轮箱低频故障特征提取方法,通过对测量信号的小波多分辨率分解,有针对性地选择小波系数重构,提高了信噪比和非高斯性,从而增强了约束独立分量分析方法提取齿轮箱低频故障特征的效果。而未经小波变换除噪时,约束独立分量分析的效果不佳。断齿与局部断齿的低频故障特征提取试验结果表明,提出的方法能有效降低高频振动及源噪声等因素的干扰,提取出齿轮箱的低频故障特征,尤其是微弱低频故障特征,为齿轮箱低频故障特征提取与故障诊断提供了一种有效方法。     

MCKD最佳故障周期搜索的齿轮箱故障特征提取

针对最小解熵解卷积(Minimum entropy deconvolution,MED)算法易受强噪声和野值的影响,引出了最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)的齿轮箱故障特征提取方法,克服了MED算法的不足。然而凭先验信息选取的故障周期,可能导致MCKD解卷积效果很差,因此提出了MCKD算法的最佳故障周期搜索思路,即在合适的滤波器阶数L下,最佳故障周期的搜索可以限定于理论计算周期左右的某一范围内,使不同步距M关于最佳周期的最大相关峭度达到全局最优,以确保了MCKD算法具有良好的解卷积效果。断齿与局部断齿故障特征提取试验结果佐证了最佳故障周期搜索思路的可行性及其效果。     

基于小波多分辨分析的阈值去噪

简述了基于多分辨分析原理的小波阈值去噪的基本方法,并介绍了几种阈限和选取阈值的规则.利用小波阈值去噪良好的时频局部化特性滤去信号中大量的背景噪声.通过模拟实验得到了良好的效果,说明小波阈值去噪方法适合于信号去噪.     

基于小波多分辨分析的阈值去噪

简述了基于多分辨分析原理的小波阈值去噪的基本方法,并介绍了几种阈限和选取阈值的规则.利用小波阈值去噪良好的时频局部化特性滤去信号中大量的背景噪声.通过模拟实验得到了良好的效果,说明小波阈值去噪方法适合于信号去噪.     

基于最小熵解卷积的齿轮箱早期故障诊断

齿轮箱发生早期故障时,其振动信号一般很微弱,且隐含的能反应出齿轮箱运转状态的冲击成分常被淹没在强烈的噪声中,直接做频谱分析或包络谱分析,很难提取其故障特征。论文将最小解卷积方法应用于炼胶机的齿轮箱故障诊断。首先利用该方法对齿轮箱振动信号进行解卷积滤波处理,然后对滤波后的信号进行包络解调分析,最后提取出了该齿轮箱轴5上齿轮8(z8=28)齿根轻微裂纹的故障特征,实现了该齿轮箱的早期诊断。应用实例验证了最小熵解卷积方法的有效性和优点。     

油液分析技术在采煤机故障诊断中的应用

应用油液分析技术并结合实例,将光谱分析、铁谱分析、油液理化性能分析三者结合对采煤机牵引部液压油进行分析研究,有效地诊断出设备的故障,为采煤机维修提供了可靠的依据。     

液压支架立柱组合蕾形密封圈结构参数与密封性能研究

以某大采高液压支架立柱组合蕾形密封圈为研究对象,采用有限元法分析唇内、外倾角和唇谷高等结构参数对组合蕾形密封圈静密封性能的影响,同时研究油压压力、密封间隙、立柱活塞速度、摩擦因数对密封圈动密封性能的影响。结果表明:一定取值范围内,唇内、外倾角和唇谷高越大,静密封性能越好;油压越大、密封间隙越小,动密封性能越好;摩擦因数越大,外行程时动密封性能越好,内行程时则相反;活塞运动速度对动密封性能影响较小。为保证该组合蕾形密封圈具有良好的综合密封性能,各参数优化取值范围为:唇外倾角20°~30°,唇内倾角20°~35°,唇谷高度12.2~13.2 mm,摩擦因数小于等于0.1,密封间隙0.1~0.3 mm,油压不超过50 MPa。     

基于EMD与同态滤波解调的矿用齿轮箱故障诊断

针对矿用齿轮箱振动信号的特点,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)与同态滤波相结合的故障解调方法.利用EMD对某矿用皮带机齿轮箱故障信号进行分解,得到若干个本征模态函数(intrinsic mode functions,简称IMFs)分量,然后对其中较突出的IMFs进行同态滤波解调分析,提取出了频率为7.0Hz的调制故障信号.研究表明,EMD与同态滤波解调相结合是一种有效的齿轮箱故障诊断方法.