新书介绍

1．《齿轮及齿轮箱故障诊断实用技术》一书系统论述了齿轮箱中的三大零部件——齿轮、滚动轴承和轴的常见失效形式，振动噪声产生的机理和故障的主要形式，调制现象和边频带分布特点，齿轮及齿轮箱振动信号的时域、频域和现代解调分析的各种处理方法，提取了十种典型故障振动信号特征。从现场诊断技术需要的角度出发介绍了齿轮箱故障诊断常用的振动噪声故障诊断方法、     

基于振动信号分析的齿轮箱故障诊断

对齿轮箱故障的主要特征和频率特点进行了介绍,对齿轮箱的主要组成部件齿轮、轴承、轴和箱体各自的主要故障形式和振动信号特征进行了分析,最后在建立齿轮箱故障档案的基础上分别在时域和频域对振动信号进行分析,为齿轮箱故障诊断向着智能化方向发展打下基础。     

振动诊断在齿轮箱故障诊断中的应用概述

本文介绍了齿轮箱常见的故障形式及诊断方法,主要阐述了利用振动信息进行故障诊断的优势、齿轮故障振动诊断方法以及其在齿轮箱故障诊断中的重要性。利用振动诊断方法可以为工作人员在齿轮箱故障诊断过程中提供及时、有效地帮助。     

齿轮箱故障的振动机理与故障特征研究

介绍了齿轮箱监测技术,包括齿轮箱故障诊断技术的发展状况和目前存在的问题、分析了齿轮箱故障发生的振动机理及故障特征,可以通过信号的特征信息对设备故障进行准确判断,并对典型的故障进行分类,最后针对齿轮箱振动信号给出详细的时域和频域分析,为基于网络的齿轮箱远程故障诊断系统研究打好基础。     

自适应滤波技术在车辆变速箱故障诊断中的应用

采用振动测量方法进行齿轮箱故障诊断是一种有效的技术手段,但是在进行随车监测时测量信号会受到车辆其它部件振动噪声的干扰。通过对装甲车辆变速箱齿轮断裂故障进行实车模拟试验,同步测量了变速箱体振动信号和发动机振动信号,利用自适应滤波技术滤除了混杂在变速箱体振动信号中的发动机振动干扰,对变速箱体振动信号进行了时、频域分析和调制解调分析。通过Hilbert变换和包络谱分析方法提取了振动信号频率特征,实现了对变速箱齿轮断裂故障的诊断。     

齿轮箱中齿轮故障的振动分析与诊断

首先建立了齿轮箱中轴承无故障、齿轮有故障时齿轮箱振动信号的理论模型,介绍了齿轮箱中齿轮故障诊断的高频共振方法,阐述了该诊断方法的信号处理和诊断流程,并对该诊断方法的使用效果进行了实际验证.应用结果表明,该诊断方法能有效地诊断齿轮箱中齿轮的局部损伤故障.     

基于小波包和Teager能量算子的齿轮故障诊断研究

齿轮箱故障振动信号通常是非平稳的,为了有效的提取故障信号的特征参数,提出了基于小波包降噪和非线性Teager能量算子的信号特征参数提取方法。利用构造的噪声信号仿真研究了此方法用于信号特征参数提取的可行性,并将此方法成功应用于齿轮偏心的齿轮箱故障诊断,证明了该方法提取齿轮故障齿轮箱振动信号特征参数的有效性。     

风力发电机齿轮箱故障诊断方法及信号仿真

针对风力发电机齿轮箱的故障,介绍常用的故障诊断方法,理论上分析齿轮箱故障振动信号的特征,并用MATLAB软件仿真其振动信号。对比正常运行与发生故障时的频域信号波形,并进行了一定的分析,为风力发电机齿轮箱的故障诊断提供了参考。     

齿轮箱中滚动轴承故障振动信号的提取

应用一种自适应滤波技术,即自适应谱线增强技术从齿轮箱的振动信号中提取滚动轴承故障振动信号.实例表明,该方法能够有效地排除齿轮啮合振动等干扰噪声,提高轴承故障振动信号的信噪比,有利于准确诊断齿轮箱中滚动轴承的故障.     

基于形态分量分析与能量算子解调的齿轮箱复合故障诊断方法

针对齿轮箱复合故障的故障特征分离,提出了一种基于形态分量分析与能量算子解调的齿轮箱复合故障诊断方法。该方法先根据振动信号中各组成成分形态的差异,采用形态分量分析方法构建不同形态的稀疏表示字典进行故障成分分离,将齿轮箱复合故障信号分解为包含齿轮故障信息的谐振分量、包含轴承故障信息的冲击分量和噪声分量,然后分别对谐振分量和冲击分量进行能量算子解调分析,最后根据各解调谱诊断齿轮和轴承故障。算法仿真和应用实例表明该方法能有效地分离齿轮箱复合故障振动信号中齿轮与轴承的故障特征。     

轧机齿轮箱异常振动分析及故障诊断

从齿轮啮合的力学模型入手，简述了齿轮故障诊断原理，并利用频谱分析的方法对轧机齿轮箱的异常振动进行了故障诊断，找到了齿轮箱异常振动的原因，并与实际情况基本一致。     

基于最小熵解卷积的谱峭度法在行星齿轮箱故障诊断中的应用

针对噪声干扰状态下行星齿轮箱故障诊断中的齿轮故障特征提取,提出最小熵解卷积与谱峭度结合(Spectral Kurtosis Method based on Minimum Entropy Deconvolution,MEDSK)的行星齿轮箱齿轮故障特征提取方法。利用MED对原始扭转振动信号进行预处理,抑制信号中的噪声干扰,提升行星齿轮箱中被噪声淹没的故障冲击成份。利用谱峭度对预处理后的信号选择最优的带通滤波器参数进行带通滤波,然后通过Hilbert变换进行包络解调,最后将解调出来的低频信号进行频谱分析得到MED-SK方法的包络谱。通过对仿真信号和承受多种载荷状态下采集到的行星齿轮箱输出轴实际行星齿轮故障扭转振动信号进行分析,验证了这种方法能准确地提取行星齿轮故障特征。     

基于小波相关—包络排列熵的齿轮故障特征提取

振动信号是齿轮箱故障特征信息的有效载体,对振动信号的分析可实现不停机操作下的齿轮箱故障诊断。但振动信号易受噪声干扰,特别在复杂设备中,众多运动部件同时产生振动激励,使得实际获取信号的信噪比较低。针对传统方法存在的问题,将小波相关降噪和包络谱分析技术相结合,并利用排列熵对微弱信号变化敏感的特点,提出了基于小波相关—包络排列熵的齿轮故障特征提取方法,实现了齿轮箱不同状态下故障特征的提取。通过仿真信号和诊断实例分析结果表明,该方法比传统的信号分析方法更有效地凸显齿轮的故障特征。     

基于EEMD分解和改进小波阈值降噪的齿轮故障诊断

针对齿轮箱振动信号易受噪声影响以及齿轮箱振动信号比较复杂的特点,提出基于EEMD分解和改进小波阈值降噪的齿轮故障诊断方法。首先对经过EEMD分解的IMF分量中的高频分量进行改进小波阈值降噪处理,重构信号后得到降噪信号。实验结果表明应用该方法可以较为准确地识别齿轮故障。     

基于倒谱和包络解调的齿轮箱故障诊断

齿轮箱是设备上重要的传动部件,齿轮故障诊断对设备的长期安全运行起着至关重要的作用.根据齿轮振动机理及谱分析来进行振动信息处理和特征提取,是目前齿轮故障诊断中的一种有效方法.分析了齿轮箱的振动故障特性,提出了用解调谱和倒谱两种分析法相结合来对系统的输出信号进行故障诊断的方法.最后在齿轮故障模拟实验台上采集了故障下的振动信...     

基于小波包能量谱和Hilbert包络分析的行星齿轮故障诊断

行星齿轮啮合振动信号噪声干扰大,难以诊断齿轮的故障。提出一种基于扭转振动信号的行星齿轮故障诊断方法。结合小波包能量谱和Hilbert包络分析用于轴系扭转振动信号进行识别行星齿轮的早期故障。将这种方法应用于行星齿轮箱在行星齿轮磨损和行星齿轮出现断齿故障状态下采集到的实际故障行星齿轮扭转振动信号,发现这种方法能识别两种状态下的行星齿轮故障特征。将小波包能量谱和Hilbert包络分析应用于两种故障状态下的横向振动信号,发现行星齿轮磨损故障不能准确识别。实验结果表明新方法对行星齿轮早期故障的识别更敏感、准确。     

齿轮裂纹故障诊断方法综述

针对齿轮传动的重要性,简要分析了齿轮裂纹的故障机理,介绍了正常齿轮和裂纹故障齿轮振动信号的特点及其特征提取方法;重点对一些常用的齿轮裂纹故障诊断方法进行了综述,总结了各种方法的应用现状及其优缺点;简述了当前齿轮裂纹故障诊断领域可能存在的重点和难点问题,并针对不同的问题提出了可能的解决方法和技术路线,为该领域的研究和发展提供了一定参考价值。     

齿轮振动信号分解及其在故障诊断中的应用

对齿轮振动信号的测试及分解进行了研究。根据信号基频,把齿轮振动信号分解为啮合振动与旋转振动,这些振动信号可用于对齿轮状态进行定量研究。基于不同形式的齿轮振动信号,介绍了几种方法来提取信号中的故障信息。利用时域平均技术及齿轮振动信号分解理论对某齿轮箱早期故障信号进行了检测。研究表明,齿轮运动信号分解能够有效检测齿轮的各类故障,高阶加速度信号对齿轮某些类型的早期故障更加敏感。     

基于集成卷积神经网络的行星齿轮智能诊断方法

针对行星齿轮箱故障振动特征需要预处理、识别困难以及诊断模型收敛速度较慢的问题,提出基于集成卷积神经网络的行星齿轮箱智能故障诊断方法。首先,采用一维卷积对齿轮的原始时域振动信号提取特征,之后通过采用两个弱分类器,根据弱分类学习错误率的性能更新样本权重,调整权重后根据训练集训练弱分类器。重复此过程,最后通过设置策略整合弱分类器,形成集成卷积神经网络;建立一个稳定用于行星齿轮箱的智能故障诊断的模型。实验结果表明：集成卷积神经网络能很好地对行星齿轮原始振动信号进行快速诊断。相对于传统卷积神经网络对齿轮原始时域振动故障信号的诊断具有更强的辨识能力和更快的收敛速度;所建立的智能诊断模型可以有效地诊断齿轮不同的故障状态。     

齿轮箱起动过程故障诊断

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪、角域平均和Teager能量算子分析技术相结合,提出了基于阶次跟踪和Teager能量算子分析的齿轮箱故障诊断方法.首先对齿轮箱升降速瞬态信号进行时域同步采样,再对时域信号进行等角度重采样,转化为角域平稳信号,然后对角域信号进行角域平均和带通滤波,以消除干扰噪声的影响,最后由Teager能量算子计算振动信号的瞬时频率和瞬时幅值,根据瞬时频率和瞬时幅值图,就可提取齿轮的故障特征.通过对齿轮齿根裂纹故障试验信号的分析,表明该方法能有效地诊断齿轮的裂纹故障.