基于包络分析的坦克变速箱故障诊断研究

在对振动信号分析的基础上,提取了反映坦克变速箱故障的时域特征量和包络谱特征量.建立了基于BP神经网络的故障诊断系统,实现了坦克变速箱故障模式的自动识别,有效地检测了坦克变速箱的早期故障.     

基于包络分析的自行火炮变速箱故障诊断研究

在振动信号分析的基础上，提取了反映自行火炮变速箱故障的时域特征量和包络谱特征量．建立了基于BP神经网络的故障诊断系统，实现了自行火炮变速箱故障模式的自动识别，有效地检测了自行火炮变速箱的早期故障．通过实际所测的自行火炮变速箱故障数据验证，诊断结果表明选择的特征参数较好地识别变速箱常见故障．     

基于小波分析的变速箱齿轮声压故障诊断

叙述了小波变换的基本原理,应用小波分析结合平方变换及包络技术,从理论上说明了变速箱故障诊断的依据．通过对一变速箱进行噪声测试,得到其声压信号．数据分析结果清楚显示出从动轮有一齿故障．     

小波包分析在车辆变速箱故障诊断中的应用

运用小波分析方法对车辆变速箱振动信号进行预处理,并运用小波包能量尺度图分析方法识别出故障,按此方法对BJ212型车辆变速箱振动加速度信号作了分析,准确地识别出了故障.结果表明,利用小波包分析进行变速箱故障诊断的方法简单且行之有效.     

小波包分析在车辆变速箱故障诊断中的应用

运用小波分析方法对车辆变速箱振动信号进行预处理，并运用小波包能量尺度图分析方法识别出故障，按此方法对BJ212型车辆变速箱振动加速度信号作了分析，准确地识别出了故障,结果表明,利用小波包分析进行变速箱故障诊断的方法简单且行之有效．     

基于神经网络的故障诊断专家系统研究

研究了基于神经网络的故障诊断专家系统的基本原理，结构和诊断策略，探讨了基于神经网络的故障诊断专家系统在知识表示，知识获取及推理机制方面的基本方法和特点。     

坦克变速箱性能测试系统研制

介绍了某型坦克变速箱测试原理及测试系统设计方案。针对变速箱的规范测试流程与现场工作环境,设计了集机械、液压、电气于一体的检测系统硬件平台。基于Labwindows开发了自动测试软件,应用了数据库、多线程、动态数据交换等多种技术,实现了试验流程自动化,高效完成了采集数据处理与性能评估。     

一种基于模糊神经网络的故障诊断方法的研究

针对故障与征兆之间的复杂非线性映射关系，提出了一种新的诊断系统结构模型。用模糊神经网络从以往诊断实例的统计中得到诊断矩阵，用模糊变换法进行推理，通过动态权值综合法综合各规则的推理结论得出最后诊断结果，从而解决了规则不正交的问题，使诊断结果具有统计意义，且解决了常用方法中规则获取的困难和在使用中不易修改的问题。经对A320飞机故障实例的诊断仿真，得出了比较满意的结果。     

Application of particle swarm optimization blind source separation technology in fault diagnosis of gearbox

Blind source separation (BBS) technology was applied to vibration signal processing of gearbox for separating different fault vibration sources and enhancing fault information. An improved BSS algorithm based on particle swarm optimization (PSO) was proposed. It can change the traditional fault-enhancing thought based on de-noising. And it can also solve the practical difficult problem of fault location and low fault diagnosis rate in early stage. It was applied to the vibration signal of gearbox under three working states. The result proves that the BSS greatly enhances fault information and supplies technological method for diagnosis of weak fault.     

基于传动机理分析的行星齿轮箱振动信号仿真及其故障诊断

行星齿轮箱在运转过程中,振动信号主要来源于齿轮间的啮合振动,各啮合点与传感器之间的位置周期性变化,啮合振动信号在同一时刻通过不同的传递路径被传感器采集到,导致传感器采集到的信号耦合严重,十分复杂,不利于有效进行故障诊断.为此,考虑信号采集的实际特点,依据实验室设备参数,利用PROE、ANSYS以及动力学仿真软件ADAMS,建立行星齿轮箱的刚柔耦合动力学仿真模型.结合Inalpolat提出的时变动力学模型,考虑齿轮箱各齿轮的局部故障信号调制、旋转调制以及结构和约束调制,建立改进的局部故障时变动力学模型.通过对比改进的局部故障时变动力学模型与仿真模型的结果得出了行星齿轮箱边频带信号中幅值与边频间隔的特点,从而验证了模型与理论的合理性.最后与实验信号对比,验证了结论的正确性,该研究结果可以为行星齿轮箱故障诊断提供有效的理论与工程基础.

     

基于SOM神经网络的凝汽器故障诊断研究

应用自组织特征映射(SOM)神经网络实现凝汽器的故障诊断。介绍了SOM网络的结构和学习算法;总结了凝汽器的故障集、征兆集和故障特征数据。在MATLAB环境下给出了凝汽器故障诊断的具体实例,表明该方法是一种可行有效的凝汽器故障诊断方法。     

面向齿轮箱故障诊断的序贯概率比检验理论和方法

提出了一种基于序贯概率比检验的齿轮裂纹故障诊断方法,并选用了无裂纹和有裂纹的齿轮模拟故障模式.实验中提取的振动信号夹杂着噪声等干扰,运用具有良好去噪效果的小波包方法对齿轮箱振动信号进行预处理.采用时域分析法提取预处理后信号的特征值,提取对冲击性振动非常敏感的峭度值作为特征值.将序贯概率比检验算法应用于齿轮箱故障模式的检验和识别.为了验证所提出方法的诊断能力,本文选用均方根误差的方法来计算同种故障之间,以及不同种类故障之间的识别误差,结果表明了所提出的方法是有效且强大的.     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法．通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性．     

基于神经网络数据融合技术的诊断系统的研究

神经网络数据融合技术的诊断系统是以电机振动信号和电流、电压信号为研究对象的,对采集到的3类信号进行实时处理,运用神经网络对数据进行局部诊断,再利用数据融合技术对故障信号进行全局分析融合,从而达到对电机故障类型的准确判断。通过运行表明,应用在故障诊断中的神经网络数据融合技术是一种故障识别率高、方便灵活而且诊断精度高的故障诊断方法。     

基于知识的故障诊断方法综述

在简单介绍故障诊断理论的基础上，重点评述了基于知识的故障诊断方法发展状况，将其分为5大类，即专家系统故障诊断方法；模糊故障诊断方法；故障树故障诊断方法；神经网络故障诊断方法和数据融合故障诊断方法。对每类方法均介绍了它的诊断原理与步骤，分析了它的特点及局限性，最后指出了这一领域中有待进一步研究的若干问题和发展趋势。     

基于EMD和FFT的齿轮箱故障诊断

提出了一种基于小波包分析（WPA）,经验模态分解（EMD）和快速傅里叶变换（FFT）的齿轮箱故障诊断方法,此方法适合于非线性非稳态信号的自适应分析.首先运用WPA对采集的齿轮箱振动信号进行分解可得到不同频率的子频带;然后对各子频带信号进行EMD,从而得到一定数量的本征模态函数（IMF）;最后选取特定的IMF,对其作FFT可得到相应的功率谱,从而提取齿轮箱故障特征频率,进而对齿轮箱故障模式进行识别和诊断.分析结果表明本文所提议的方法能有效地检测出齿轮箱故障特征频率.