基于EEMD的齿轮故障诊断方法研究

采用基于EMD改进的总体经验模式分解算法(EEMD)对齿轮箱进行故障诊断。首先利用Matlab进行仿真实验,验证了具有自适应特性的EEMD分解方法在消除基本模式分量之间相互混叠现象方面的有效性。然后利用该方法对故障试验台模拟的齿轮点蚀信号进行分解,并对反映故障信息的本征模式分量进行Hilbert包络解调分析。分析结果表明,EEMD方法可以有效地应用于齿轮故障诊断。     

基于EEMD的齿轮箱故障诊断

主要介绍了集合经验模态分解方法(EEMD),利用EEMD的自适应恒比例带通滤波器特性,以及分解后的噪声信号与故障信号在各阶IMFS中的不同特性,将齿轮箱故障信号进行整体的EMD分解,解决了EMD的频谱混叠问题,提取出了齿轮箱的故障特征。研究结果表明EEMD优越于EMD方法,是一种很有效的齿轮箱故障诊断方法。     

基于EEMD降噪和HMM的采煤机摇臂滚动轴承故障诊断

提出一种集合经验模态分解(EEMD)降噪与隐马尔科夫模型(HMM)的采煤机摇臂滚动轴承故障诊断方法。采用基于峭度准则的EEMD对采集到的振动信号进行降噪预处理,筛选出包含主要特征频率的本征模态函数(IMF),通过求取IMF信息熵提取出敏感特征集,结合训练好的HMM分类模型,对滚动轴承故障类型进行诊断识别。实验数据分析表明,所提出的基于EEMD降噪和HMM的故障诊断方法可以准确区分滚动轴承故障类型,对于4种状态轴承的识别率达到90%以上,是一种有效的采煤机摇臂滚动轴承故障诊断方法 。     

齿轮故障诊断信息提取复合方法研究

针对齿轮故障发生早期信号微弱、难以诊断和现场干扰的问题,提出了一种基于相关性分析、峭度准则与小波变换包络谱分析相结合的齿轮早期故障诊断方法。该方法不仅有良好的降噪效果,而且能够实现故障频段的自动选择,提高诊断效率。仿真结果表明,该方法能有效去除噪声,对故障特征信号有很强的提取能力,为齿轮的故障诊断提供了一种快速有效的途径。     

基于EEMD的提升机天轮轴承故障诊断方法

提出了一种基于EEMD的提升机天轮轴承故障诊断方法,该方法可以有效抑制经验模态分解过程中出现的模态混叠现象,从而提高轴承故障诊断的准确性。该方法的实现过程为：通过时域参数确定天轮轴承是否出现故障,如果出现故障,应用EEMD方法对故障信号进行处理,进而得到能够提取故障频率的Hilbert谱和边际谱,通过故障频率判断轴承故障发生的位置。通过实验验证了该方法的有效性,结果表明,该方法可以消除外界噪声和间歇性冲击的影响,准确提取轴承故障频率从而判断轴承故障的类型,为天轮轴承的检修维护提供依据,保证提升系统的运行安全。     

基于循环自相关解调信号的采煤机齿轮传动故障诊断

齿轮传动的运行稳定性对保障采煤机的工作效率具有重要的作用。应用循环自相关函数解调基本原理建立齿轮传递故障诊断的采样模型,并针对循环自相关解调分析在强噪声背景下、多调制源、多载波频率共存的振动信号运用中的局限性,提取感兴趣的周期成分,来验证循环自相关解调信号在齿轮传动故障诊断中具有很强自适应性,在强背景噪声环境中依然能提取微弱的特征频率,有效地抑制了多调制源、多载波对循环平稳结果带来的交叉项干扰,提高了分析的可靠性。     

基于EEMD和改进OMP算法的滚动轴承故障诊断

针对滚动轴承早期故障特征难以识别的问题,提出了一种基于EEMD和改进OMP算法的滚动轴承故障诊断新方法。该方法首先对故障信号进行EEMD分解得到一系列IMF分量,根据相关峭度准则选取IMF分量进行重构;然后在稀疏分解阶段对信号截断分块构造矩阵,利用KSVD自学习训练方法得到包含冲击成分的冗余字典,再用基于信号分块思想的OMP算法进行字典原子的选取和稀疏系数的求解,以重构信号包络谱峭度最大为迭代终止条件,自适应确定迭代次数;最后对重构信号进行频谱分析,获取轴承故障特征。通过实验台故障轴承外圈和内圈试验数据的检验,验证了本方法的有效性和可行性。     

基于EEMD降噪与PNN的齿轮箱齿轮故障诊断

提出一种基于集合经验模态分解(EEMD)降噪与概率神经网络(PNN)的齿轮箱齿轮故障诊断方法:利用EEMD对采集到的齿轮振动信号进行分解,得到一系列固有模态函数(IMF),然后利用相关系数准则对IMF进行处理,筛选出包含主要特征频率的部分IMF,随后求取IMF样本熵,作为PNN分类器的特征向量输入,实现对齿轮故障类型进行诊断识别。     

基于EEMD降噪和滑动峰态解调的滚动轴承故障诊断方法

针对滚动轴承早期故障特征十分微弱且易被强背景噪声淹没这一问题,引入零时滞4阶累积量(即峰态因数)用于描述信号中弱冲击成分偏离高斯分布的程度,从而提出一种基于EEMD降噪和滑动峰态解调的滚动轴承早期故障诊断方法。该方法首先将故障信号进行EEMD分解得到一组IMFs,根据度量因子和信息熵准则筛选出最能表征故障信息的IMF分量进行重构;然后,利用谱峭度方法自动确定带通滤波器参数进行带通滤波,对滤波后的信号采用滑动峰态算法计算峰态时间序列即峰态包络,并根据频谱分析结果诊断轴承故障发生部位。该方法解决了带通滤波器参数选择问题,同时可提取轴承早期故障振动信号中的微弱冲击成分。利用试验信号对新方法进行检验。结果表明:与传统方法相比,新方法能够有效解决强噪声背景下的早期微弱故障的特征提取问题。     

最大相关峭度解卷积方法在采煤机故障诊断中的应用

鉴于采煤机复杂工况下微弱故障特征难以提取的问题,应用最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)方法于采煤机截割部齿轮箱的故障诊断.然而,凭先验信息确定的解卷积周期,可能导致MCKD的提取效果很差.因此,在计算解卷积周期左右的一定范围内,对故障信号进...     

基于Hilbert解调技术的齿轮故障诊断研究

阐述了齿轮振动信号的调制原理,讨论了Hilbert变换的定义及解调原理。应用Hil-bert变换的解调技术对齿轮振动信号进行了幅值解调分析。工程应用的研究结果表明,针对齿轮振动信号的调制现象,利用Hilbert技术能从复杂的振动信号中解调出故障齿轮的调制信息,进而判断出故障齿轮的部位,是一种可靠的故障诊断方法。     

基于倒频谱分析的齿轮故障诊断

齿轮传动是机械设备中最常见的传动方式,齿轮的状态直接关系着机械设备整体的运行状态,因而对齿轮的故障进行诊断非常重要。倒频谱变换是一种非线性的信号处理方法,这种分析方法受传感的测点位置及传输途径的影响小,常用于提取信号中的周期成分。采用倒频谱的分析方法对齿轮点蚀故障信号进行分析,成功定位了齿轮故障发生的部位,验证了该方法的有效性。     

基于NX6.0的采煤机销轨轮故障诊断与研究

销轨轮是采煤机行走机构中的重要组成部件,行走机构是采煤机牵引部的执行机构,一旦出现问题将导致整个采煤机停止运行,因此对采煤机销轨轮故障诊断进行深入地分析具有十分重要的意义。利用NX6.0软件对采煤机行走机构进行动力学分析,为采煤机销轨轮的故障诊断及设计提供一定的理论依据。     

连续小波变换在齿轮故障诊断中的应用

提出了将连续小波变换用于提取信号中隐含特征的方法,并将该方法应用于故障齿轮振动信号的特征识别。数值仿真结果表明,信号的连续小波变换能有效地反映出冲击特征信号；实验表明,采用连续小波变换可以对断齿振动信号的故障特征进行有效地识别。     

小波变换在齿轮故障诊断中的应用

在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。     

基于小波包能量谱弧齿锥齿轮的故障诊断研究

为了能够提高弧齿锥齿轮故障诊断的效率,使弧齿锥齿轮能够安全可靠地工作,深入地分析了小波包能量谱在弧齿锥齿轮中的应用。分析了弧齿锥齿轮故障的机理;研究了弧齿锥齿轮故障诊断的小波能量谱的机理;利用小波包能量谱对弧齿锥齿轮进行了故障诊断,结果表明该方法具有较好诊断精度。     

用瞬态频率波动法诊断轮齿磨损故障

齿轮故障常常是导致设备失效的主要原因,因此,对其进行早期故障诊断显得尤为重要。在研究希尔伯特理论的基础上,对瞬态频率波动分析法应用在齿轮磨损故障诊断的可行性做了阐述,并通过具体实验进行了验证,证明了TFF(t)曲线与齿面磨损情况有良好的对应关系。     

基于邻域粒子群混合算法的齿轮故障诊断

为了提高齿轮故障诊断的准确性,采用了一种邻域粒子群混合方法。即根据齿轮的故障特征量,利用邻域粒子群算法来优化BP神经网络的权值,并用优化好的BP网络进行故障诊断。实例仿真结果表明,该方法具有较高的故障诊断准确度,具有一定的实用性。