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。     

基于局部显著边缘特征的快速图像配准算法

针对尺度不变的特征变换(SIFT)算法提取的特征点数目多、匹配耗时长、匹配精度不高等问题,提出了一种基于局部显著边缘特征的快速图像配准算法。该算法利用SIFT算法提取待选特征点,同时用小波边缘检测提取图像边缘,建立特征点周围邻域的边缘特征,筛选出具有显著边缘特征的特征点,结合Shape-context算子和边缘特征形成特征描述向量,采用欧氏距离作为匹配度量函数对筛选出的特征点进行初步匹配,然后用随机一致性检验(RANSAC)算法消除误匹配点对。实验结果表明,该算法有效控制了特征点的数量,提高了特征点的质量,缩小了特征搜索空间,提高了特征匹配的效率。     

快速峭度谱用于复合行星齿轮故障特征提取

快速峭度谱因其对瞬态冲击信号具有快速检测的能力,在旋转机械故障特征提取中得到广泛应用。提出了基于快速峭度谱的机械故障特征提取流程,并将快速峭度谱应用于某型坦克变速箱复合行星齿轮的故障特征提取中。首先,分析特定工况下齿轮正常和剥落故障两种状态的信号,与传统包络分析结果进行比较,结果表明,基于快速峭度谱的故障特征提取方法能够显著增强故障特征频率的幅值。为了验证测点的工况适应性和特征提取方法的有效性,考虑挡位、转速和载荷等因素,设计了32种试验工况,分析各个工况的试验数据,研究了转速、载荷等工况参数对故障特征提取的影响。结果表明,所选测点在各工况下采集的数据均可有效提取故障特征频率,转速和载荷的增加有助于故障特征提取。     

VMD样本熵特征提取方法及其在行星变速箱故障诊断中的应用

针对行星变速箱故障特征微弱、信号传递路径复杂,传统样本熵特征难以区分其工作状态的问题,提出了结合变分模态分解(VMD)和样本熵的特征提取方法,深入研究了VMD算法中分解尺度和二次惩罚因子的优化策略,给出了基于敏感度最大原则的VMD分解各IMF与原信号相关系数阈值的确定方法。在行星变速箱故障模拟试验台采集不同试验工况下振动信号,考虑行星齿轮运行周期问题以获取可用数据。结果表明,与样本熵和EEMD样本熵相比,VMD样本熵具有计算效率高、对不同状态的区分能力强、采样频率对其计算结果影响小等特点,可用于行星变速箱的故障诊断。     

LMD和时频熵在行星齿轮箱状态监测中的应用

随着行星齿轮传动在军用飞机、新型装甲装备及自行火炮中的广泛应用,研究行星齿轮箱的状态监测方法意义重大。以行星齿轮箱为研究对象,提出一种基于局部均值分解和时频熵的行星齿轮箱状态监测方法。首先利用局部均值分解方法自适应地将振动信号分解成若干个具有物理意义的乘积函数之和,然后对分解得到的各乘积函数进行Hilbert变换,得到信号的时频分布,最后使用时频熵算法计算行星齿轮箱不同运行状态的熵值,以此作为判断行星齿轮箱运行状态的依据。分析结果表明,局部均值分解和时频熵方法对于行星齿轮箱的状态监测非常有效。     

行星轮系动力学仿真分析与故障诊断

目前行星齿轮箱已经在军用和民用装备中广泛应用,研究行星齿轮箱的故障诊断方法意义重大。为了研究行星齿轮传动的故障机理,揭示其故障特征,本文建立了行星齿轮系统的动力学模型,研究了齿轮裂纹对齿轮啮合刚度的影响,得出了齿轮正常、太阳轮裂纹和行星轮裂纹等三种状态下系统的频率特征,总结了故障特征频率;最后试验验证了仿真结果的有效性,得出的故障特征频率可用于行星轮系的故障诊断。     

基于LMD和Lempel-Ziv指标的轴承径向磨损程度识别

针对不同程度的轴承径向磨损损伤,提出了一种基于LMD和Lempel-Ziv的轴承径向磨损程度识别方法。LMD是一种高效的自适应时频分析法,先对原始信号进行LMD分解,利用峭度值筛选出蕴含故障信息最丰富的PF分量进行信号重构,计算重构信号及其包络的Lempel-Ziv指标,再加权求和得到Lempel-Ziv综合指标,评估轴承径向磨损损伤。同时,研究了Lempel-Ziv综合指标在不同工况下(负载、转速)的变化规律。实验结果表明,此方法能有效应用于变速箱中滚动轴承的间隙故障诊断和径向磨损损伤评估。     

局部均值分解和排列熵在行星齿轮箱故障诊断中的应用EI北大核心CSCD

目前行星齿轮箱已经在军用和民用装备中广泛应用,研究行星齿轮箱的故障诊断方法意义重大。针对行星齿轮箱在运行时产生的非线性非平稳振动,且故障特征信号微弱等问题,提出一种结合局部均值分解和排列熵的行星齿轮箱故障诊断方法。利用局部均值分解方法将不同状态下的振动信号分解为多个乘积函数分量,针对包含有故障信息的分量进行排列熵计算,以此判断故障类型。最后通过采集行星齿轮箱故障模拟试验台三种状态(齿轮正常、太阳轮裂纹故障及行星轮裂纹故障)的振动信号,对其进行局部均值分解和排列熵计算,验证了此方法的有效性。