飞机液压泵故障研究

本文旨在研究液压泵状态监测与故障诊断。通过构造典型系统，设置相应的传感装置，采用单片机采集与主机数据处理，分别提取压力频谱、温度和位移信号作为诊断特征量，采用状态信息融合处理技术，达到了较为理想的故障诊断效果。     

基于频域特征和支持向量机的汽车水泵轴承故障诊断研究

为了在线监测与识别汽车水泵轴承的故障类型,以WR3258152型汽车水泵轴承为研究对象,分析了其内部结构和常见故障。根据常见故障,预设了汽车水泵轴承的4类缺陷。在搭建的信号采集实验平台上,利用加速度传感器,分别采集了4类缺陷轴承在运转过程中的振动信号。利用Matlab软件对振动信号进行快速傅立叶变换和频域特征值计算,选用径向基核函数和粒子群参数优化方法建立支持向量机模型,并进行测试验证,结果表明:支持向量机分类方法能精确识别汽车水泵轴承常见的4类缺陷。为汽车水泵轴承的在线监测与故障诊断提供了参考。     

利用噪声信号诊断液压泵的故障

本文通过对轴向柱塞泵噪声信号的监测,利用噪声信号的功率谱和倒频谱分析技术,成功地诊断出轴向柱塞泵的松靴故障,实现了非接触式的故障诊断,为液压泵的故障诊断提供了更加简捷,方便的途径。．     

基于频域积分的振动参量转换修正算法

原始信号的获取及预处理的精度决定着机械状态监测与诊断系统能否正常工作.在分析了振动信号固有特性的基础上,提出了一种基于频域积分的振动参量转换波形修正算法.该方法简单实用,具有很好的精度和通用性,为各种精密分析诊断软件提供了足够精度的数据和信息.该算法已应用于设备在线监测与故障诊断系统(IDPM-4A)中,并取得了很好的效果,为判断机组运行状态提供了很好的依据.     

传感器位置对齿轮故障的敏感性研究

齿轮的故障特征信息常常隐藏在齿轮的振动信号中,而振动信号则往往通过加速度传感器采集获得。在不同位置所采集到的振动信号,其噪声干扰也往往存在着强弱差异,因此找到传感器对信号采集的敏感位置在信号采集中显得尤为重要。通过采用故障特征参数值分析方法中的不同的故障状态指标作为参考依据,同时在去噪方法中采用能明显提高信噪比的时域同步平均方法进行去噪,结果发现:安装在靠近轴承座附近位置的A04号传感器所采集的振动信号噪声干扰较小;通过加速度传感器采集齿轮箱的振动故障信号时,最敏感位置应存在于轴承座附近。     

滚动轴承和齿轮故障的时频域识别

本文描述了振动信号分析的时频域方法,证明了时频域方法是识别滚动轴承和齿轮故障的有效方法。研究表明短时Ｆｏｕｒｉｅｒ谱和Ｗｉｇｎｅｒ分布都能用于将时域信号变换到时频域,但是对于时变信号,应用Ｗｉｇｎｅｒ分布更为适宜。     

基于Elman神经网络的液压泵故障诊断模型研究

针对传统BP网路进行液压泵故障诊断时，网络学习具有收敛速度慢和学习、记忆不稳定的缺陷，提出了将Elman神经网络应用于液压泵故障诊断的新方法，建立了Elman神经网络的应用结构模型，介绍了该网络的训练算法，阐明了液压泵故障诊断的实现过程。通过试验验证了该神经网络收敛速度快，学习记忆稳定，具有很好的学习功能；测试结果表明该诊断方法具有高可靠性，达到了预期的效果，可以用于液压泵故障诊断。     

基于LabVIEW的控制系统频域分析研究

ＬａｂＶＩＥＷ是美国国家仪器公司开发研制的一种虚拟仪器开发平台,本文着重探讨了它在控制系统仿真方面的应用,并以控制系统频域分析研究为例,介绍其设计方法。     

基于时频域改进型胶囊网络的轴承故障诊断

为提高噪声工况下轴承故障诊断的准确性,结合振动信号时频域特征规律,提出了一种时频域改进型胶囊网络的诊断方法,采用振动信号低频段短时傅立叶变换实现时频域特征构建,搭建具有直线性感受野的胶囊网络LR-Capsulenet模型,模型前端采用直线性卷积核实现时频域特征识别,再通过三次动态路由方法构建数字胶囊层,动态路由过程采用...     

钛合金保载疲劳失效特征及敏感性判定方法

钛合金在航空发动机上使用时存在保载疲劳失效现象。钛合金保载疲劳寿命显著低于普通疲劳寿命且其断裂特征有别于普通疲劳。本文通过系统的实验研究,从疲劳断口、二次裂纹以及应变积累等方面总结了保载疲劳的失效特征。研究对象涵盖了保载敏感性强、弱以及无的钛合金类型。利用上述总结的特征,给出了判定钛合金保载疲劳失效及敏感性强弱的方法,该方法可为保载疲劳实验研究和工程失效分析提供指导。     

基于敏感度分析与概率神经网络的液压泵故障诊断方法研究

为了提高液压泵故障诊断的速度与准确性,提出了将敏感度分析与概率神经网络相结合的液压泵故障诊断方法。分析了不同状态下振动信号的时域图与频谱图,得出使用传统方法不易对液压泵进行故障诊断的结论。对各种状态下的振动信号提取特征参数,并对所提取特征参数进行敏感度分析。将敏感度高的特征参数以向量的形式输入概率神经网络进行训练和测试。实验表明:概率神经网络能快速、有效的诊断出液压泵的故障,节约诊断时间。将敏感度分析与概率神经网络相结合能提高概率神经网络诊断的正确率。     

基于声音信号的核主元故障诊断法

针对振动诊断法的局限性,提出了基于声音信号KPCA的故障诊断方法。介绍了核主元分析法的基本原理及其用于故障检测的基本步骤,给出了声音信号详细预处理过程,提取了由时域、频域和时频域参量共同构成的多域特征向量,利用核主元分析法进行了故障诊断。对轴向柱塞泵进行了试验,结果表明:利用声音信号KPCA的故障诊断法是有效的,能克服基于振动信号故障诊断法的不足。     

设备工况状态监测与故障诊断中的特征信息分析研究

文章阐述了机械设备工况状态信息检测与故障诊断系统中，对工况状态特征信息的分析方法一时域分析方法，频域分析方法，联合时一频分析方法等多种信号处理方法的特征分析特点及特殊信号、振动信号的分析和应用。     

基于小波与EMD的EHA液压缸内泄故障诊断研究

为有效地诊断出内泄故障,通过EHA实验台模拟出不同故障等级的EHA双杆液压缸的内泄漏。在相同控制信号输入下采集液压缸腔室内压力信号,使用小波与EMD分解2种方法分别对健康模式与故障模式下腔体内压力信号进行分解,得到压力信号的一级和二级高频小波系数及一级IMF函数,完成特征提取。通过多组实验求得特征提取后的均方根值,实现了EHA液压缸内泄漏故障与故障等级的离线诊断,并对比了不同诊断方法的诊断效果。结果表明：压力信号的一级IMF函数诊断效果最佳,一级高频小波系数诊断效果最差。     

基于小波分析的液压系统故障特征提取研究

针对液压系统故障原因复杂、现象多样、故障信号中噪声干扰大的特点,综合利用压力、流量和液压缸运动速度进行液压系统故障诊断,克服了单一特征量在故障诊断中容易产生误判的缺点.将小波去噪方法应用到故障信号中,提高了故障诊断精度.通过对Festo液压实验系统故障信号进行处理,证明该方法是有效的.     

基于MCKD和峭度的液压泵故障特征提取

液压泵早期故障信号具有非平稳性、强背景噪声、弱故障特征特点,故障特征难以有效提取。为此,提出基于自相关分析与最大相关峭度解卷积算法的齿轮泵故障特征提取方法,利用MCKD算法对采集信号去噪处理,增强信号中的原始冲击成分,提高信号的信噪比;基于峭度（或峭度绝对值,或峭度平方值）的特征信息提取方法,来度量机械信号的非高斯性程度,以表征机械设备的运行状态信息。试验结果证明：所提方法能够有效提取液压泵故障信号中的特征信息。     

基于峭度排序的特征构造在行星齿轮箱故障诊断中的应用研究

针对行星齿轮箱故障诊断中存在的故障诊断样本数少、故障诊断精度低等问题,提出一种经验模态分解(EMD)、峭度排序和BP神经网络相结合的故障诊断方法.该方法首先对原始振动信号进行EMD,然后对分解获得的固有模态函数(IMF)进行峭度排序;根据训练样本数自适应地选择对应的IMF,将对应IMF的能量值作为特征向量输入BP神经网...     

基于频域窗函数的短时傅里叶变换及其在机械冲击特征提取中的应用

提取冲击特征是实现轴承、齿轮故障识别的关键,但是容易受到噪声和其他无关成分的干扰。区别于经典的时频分析方法如短时傅里叶变换和同步压缩小波变换,提出基于频域窗函数的短时傅里叶变换法。利用最大相关峭度反卷积的方法对振动信号进行滤波,使信号的质量得到提高;通过频域窗函数,实现二维时频平面中时间的精准定位和冲击特征的准确识别,进一步锐化了复杂多组分信号的时频脊线。利用所提方法对数值仿真信号和实际轴承故障信号进行分析,验证了所提方法的有效性。