基于BITD和同态滤波解调的齿轮故障诊断方法

针对齿轮故障振动信号的非平稳特征以及本征时间尺度分解(ITD)方法的缺点,提出了B样条改进的本征时间尺度分解(BITD)和同态滤波解调相结合的故障诊断方法。首先采用BITD方法对齿轮振动信号进行分解,将其分解为若干个合理旋转分量之和,然后用相关系数筛选出最能表征故障信息的合理旋转分量进行同态滤波解调来提取故障特征。仿真信号与齿轮故障诊断工程实例分析验证了该方法的有效性。     

水下机器人动密封技术

轴的动密封技术是水下机器人研制的关键技术之一,文中根据水下机器人工作的环境,介绍了适合水下机器人转轴动密封的四种密封方式,阐述了其结构、工作原理和应用场合,供水下机器人研发工作者参考。     

计及弹塑性及硬度随表面深度变化的结合部单次加载模型

基于分形几何学理论和传统统计接触力学理论的无缝连接,考虑微凸体由弹性变形向弹塑性变形以致最终向塑性流动转化的过程,架构结合部单次加载模型。在此基础上,应用带一个随机相位的Weierstrass-Mandelbrot函数构建粗糙表面的微观几何学形貌。数值仿真曲线图显示,法向总接触载荷随着实际接触面积的增加而微凸弧式增加,在相同实际接触面积下,法向总接触载荷随着分形粗糙度的加大而变大;实际弹塑性接触面积占实际接触面积的百分率随着实际接触面积的增加而凹弧式减小;法向弹塑性接触载荷占法向总接触载荷的比例随着实际接触面积的增加而凹弧式减小,随着分形粗糙度的减小而变小;法向总接触载荷随着分形维数的加大经历首先增加然后减小,随后再增加最后再减小的2次循环过程;随着分形维数的增加,法向弹塑性接触载荷占法向总接触载荷的百分比先减小后增加;实际弹塑性接触面积占实际接触面积的比值随着分形维数的变大先减小后增加;忽略弹塑性变形的CEB模型会导致预测的法向接触力大于弹塑性模型,CEB模型法向接触力与弹塑性模型的相对误差为4.798%~56.58%。结合部单次加载模型可为粗糙表面弹塑性接触的精确求解提供一定的理论基础。     

正交试验在增速箱振动数据采集优化中的应用研究

在进行风电机组增速箱振动数据采集时,为了科学合理地减少试验次数且获得优选测点以采集较优的试验数据,利用正交试验方法对振动数据采集试验进行了分析与优化。以振动信号的均方根值作为试验指标,根据不同的测点位置,利用L9(34)正交表分别设计三个正交试验。分别对结果进行了极差分析和方差分析,表明转速是影响试验的主要因素;同时也确定了三个优选测点,即水平左方向位置测点。方法对状态监测和故障诊断试验进行优化处理,有利于试验数据的进一步处理。     

基于CITD和同态滤波解调的滚动轴承故障诊断方法

针对轴承故障振动信号的非平稳特征和本征时间尺度分解(intrinsic time-scale decomposition,ITD)方法的缺点,提出了基于三次多项式的本征时间尺度分解方法(cubic polynomial-based intrinsic time-scale decomposition,CITD)和同态滤波的解调方法。首先采用CITD方法对轴承振动信号进行分解,将其分解为若干个合理旋转(proper rotation,PR)分量之和,然后用相关系数筛选出最能表征故障信息的PR分量进行重构,最后对重构信号运用同态滤波解调来提取故障特征。仿真信号与轴承故障诊断工程实例的分析验证了该方法的有效性。     

采用GA-BP算法和EMD的滚动轴承故障诊断方法

针对滚动轴承故障识别和分类问题,提出一种采用GA-BP算法结合经验模态分解(EMD)方法的滚动轴承故障识别方法。该方法首先利用EMD方法对不同类型的故障信号进行分解,获得若干个阶次的IMF分量,然后求出其能量占比,并构造相应特征向量组,最后将特征向量组输入遗传算法(GA)优化的BP神经网络中进行训练和测试,进而对故障进行分类和识别。结果表明,该方法能有效提取滚动轴承故障特征信息,并快速地对不同故障类型进行识别。     

基于形态自相关和时频切片分析的轴承故障诊断方法

频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)是一种新的时频分析方法,信号中的噪声会降低FSWT分析的频率分辨率。为了提高分析精度,提出了基于形态滤波和时延自相关的时频切片分析方法,并成功应用到轴承故障诊断中。该方法首先采用多结构元素差值形态滤波和时延自相关方法对信号进行降噪,采用FSWT分解降噪后的轴承振动信号,然后根据轴承故障特征频率选择时间频率切片区间,进行细化分析来提取故障特征。仿真信号与轴承故障诊断实例的分析验证了该方法的有效性。     

基于B样条本征时间尺度分解和对角切片谱的轴承故障诊断

针对轴承振动信号的非线性、非平稳特征,提出了B样条改进的本征时间尺度分解方法 (B-spline Intrinsic Time-scale Decomposition,BITD)、Teager能量算子和对角切片谱相结合的轴承故障诊断方法。首先采用BITD方法对轴承振动信号进行分解,将其分解为若干个合理旋转(Proper Rotation,简称PR)分量之和,然后用样本熵和相关系数筛选出最能表征故障信息的PR分量重构信号,对重构信号进行能量算子解调,最后求对角切片谱提取故障特征。仿真信号与轴承故障诊