用噪声对提升机减速箱进行故障诊断

通过矿井提升机减速箱噪声的测试与分析，得到减速箱正常情况下噪声标准谱图和齿轮出现磨损故障的特征，提出用噪声进行齿轮磨损故障诊断的判断准则。实践证明，利用噪声频谱分析的方法，对提升机减速箱进行故障诊断简单方便，切实可行，能有效诊断出减速箱齿轮的磨损故障。     

小波神经网络在提升设备故障诊断中的应用

介绍小波神经网络的构成和学习算法,并针对提升机减速箱故障的复杂性构造了用于减速箱故障诊断的小波神经网络,对减速箱的状态进行判别,实现了故障诊断。实验结果表明,小波神经网络在减速箱故障诊断领域具有良好的实用性。     

基于神经网络的齿轮箱故障诊断

煤矿机械齿轮传动系统在低速重载等恶劣工况下极易发生故障,齿轮箱部分尤为突出。因此展开对恶劣工况下的齿轮箱故障诊断研究具有重要的意义。以齿轮箱中齿轮为研究对象,通过提取与齿轮箱振动相关的故障特征,经过神经网络的学习训练实现对齿轮箱故障的分类。经检验,该诊断神经网络对齿轮箱故障有很高的辨识度。     

基于时频图像和DCNN的刮板输送机齿轮故障诊断

刮板输送机减速箱齿轮在重载工况以及长时间运行下容易发生断齿故障。刮板输送机电流信号中存在着大量齿轮故障信息。首先对电流数据进行采集并且通过幅值解调的方法消除电流中的工频干扰分量,其次将处理后的电流信号转变为二维时频图像,最后搭建诊断网络模型完成对齿轮故障的识别。结果表明,该方法对刮板输送机断齿故障的诊断准确率为99.15%。     

振动信号分析技术在皮带机齿轮箱故障诊断中的应用

齿轮减速箱是带式输送机驱动装置的重要部件之一,其性能直接影响到皮带机工作的可靠性与整体性能。本文论述了齿轮减速箱一般的故障特征及提出了一种在不停机状态下对矿用皮带机齿轮箱进行故障诊断的方法。     

基于BP神经网络的减速箱故障诊断

减速箱故障极大影响煤矿机械装备的安全、效率及稳定性。以某型矿用减速箱为研究对象,对减速箱实时振动数据进行采集;基于BP神经网络建立减速箱故障诊断模型,运用数值软件MATLAB对减速箱BP神经网络模型进行仿真计算,根据BP神经网络计算结果对减速箱故障进行诊断。仿真结果表明:在不同减速箱样本数据中,减速箱振动特性不一致,但整体呈现为周期性波动的趋势;在多处超出平均位置的峰峰值波峰及波谷的减速箱存在故障,需要检查和维修处理;BP神经网络中的预测输出与期望输出基本一致,验证了其准确性及可靠性。该研究为矿用减速箱故障诊断、维修等方面提供理论依据。     

基于同态滤波的低速重载齿轮故障诊断研究

对低速重载齿轮特性进行了分析,阐述了齿轮振动信号的调制原理,针对低速重载齿轮箱低频故障信息容易被强噪声淹没的实际问题,提出了利用同态滤波技术对低速轴齿轮故障特征进行提取的方法.研究表明,同态滤波技术是一种行之有效的齿轮低频故障特征提取技术.     

煤矿机械设备低速重载工况运行中齿轮箱故障分析

煤矿机械设备故障是煤矿开采中常见的问题,对煤矿开采工作具有较大的影响,而齿轮箱故障则是煤矿机械设备最常见的机械故障。本文结合大同焦煤矿中煤矿机械设备的实际运行情况,对煤矿机械设备低速重载工况运行中齿轮和轴承故障的诊断进行深入的分析和实践研究,讨论故障诊断常用信号处理方法。     

低速重载冶金设备故障诊断系统的研究

针对低速重栽冶金设备故障的特点,研制了低速重载设备在线监测与故障诊断系统.该系统采用小波理论、小波包分析、三维Wigner-Ville分布等时频分析方法对设备的振动信号进行分析,并且有效地诊断出设备故障发生的部位及程度.应用结果表明,系统对低速重载机械的故障诊断达到了精确、实用的效果.     

基于Labview的煤矿提升机故障诊断应用研究

将虚拟仪器技术引入煤矿提升机的故障诊断 ,利用Labview开发出适用于煤矿提升机故障诊断系统 ,在简易诊断的基础上利用该系统对提升机振动烈度大的测点进行精密诊断。通过对提升机振动加速度信号的频谱分析 ,准确地诊断出了齿轮减速箱存在的故障部位和产生原因 ,并通过劣化指数计算 ,定量地说明了提升机齿轮箱磨损的发展情况     

基于小波包与同态滤波的低速重载齿轮箱故障诊断研究

对小波包分解和同态滤波进行了阐述,提出了利用小波包分析与同态滤波相结合对低速重载齿轮箱的低频故障特征进行有针对性提取的观点.先利用小波包分析对故障信号进行有针对性分解,并提取出7.2 Hz的调制故障;然后再结合同态滤波分析成功地提取出0.57 Hz的低频调制故障.实例证明,小波包分析与同态滤波相结合是一种非常有效的适用于低速重载齿轮箱故障特征提取方法.     

齿轮箱故障诊断中振动信号处理方法综述

介绍了齿轮箱故障振动信号传统的时域、频域分析方法,并列举了一些不同故障所应用的分析方法。齿轮箱由于变工况运行时转速不稳定、负荷变化等状况而产生非平稳信号,因此介绍了一些基于非平稳信号处理的方法特点及应用,并指出了齿轮箱故障诊断的发展趋势。     

基于Hilbert-Huang变换的齿轮箱故障诊断

针对齿轮箱故障振动信号的非平稳特征,提出一种基于Hilbert-Huang变换的齿轮箱故障诊断方法。使用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,再对IMF分量进行FFT变换,实现在频域的分析,得到故障特征信号。依据IMF分量的频谱图和时域信号的边际谱图,判别齿轮箱的故障类型。实验证明是一种有效地处理齿轮箱故障诊断方法。     

提升机系统性能测试及故障诊断

介绍了矿井提升机减速器的振动测试与故障诊断 ,对轴承及齿轮的特征频率采用时域与频域相结合的方法进行了分析 ,结论与实际情况相吻合。所得结论可以对矿井提升机故障的预防和维修工作提供理论依据     

刚柔耦合齿轮箱的故障仿真与分析

综合运用Pro/E、ANSYS、ADAMS三种软件,建立了包含柔性轴、柔性箱体的齿轮箱刚柔耦合虚拟样机模型。分别对模型进行正常和断齿故障2种工况的仿真,得出的仿真结果与理论计算值及实验数据基本一致,验证了该模型的准确性,为借助虚拟样机进行齿轮箱故障诊断和故障信号提取提供了新的思路。     

SVM在齿轮小样本故障诊断中的应用

将SVM的分类算法应用于齿轮小样本故障诊断中。选取识别能力好的时域无量纲指标和频域中的9段频谱融合作为支持向量机的特征矢量,对齿轮的3种典型故障进行分类,结果表明:SVM在解决小样本情况下的机械故障诊断的分类问题中具有良好的应用前景。     

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。     

Wavelets applied to early fault analysis of hoist gear box

Using wavelets, the vibration signal of a certain mine hoist gear box was analyzed. By multiple comparison analysis, the rational wavelet basis function was determined. Fault characteristic frequencies of hoist gear box were identified. The research indicates that the hoist??s fault information is non-stationary, and non-stationary signal is clearly extracted by using db20 wavelet as basis function. The db20 wavelet is the proper wavelet base for vibration signal analysis of the hoist gear box.