虚拟现实技术在齿轮箱故障诊断中的应用

分析了齿轮箱振动噪声产生的机理及其噪声特性，构建出了基于虚拟现实技术的齿轮箱故障诊断系统，设计出了由振动测试、数据采集和计算机信号处理组成的硬件平台，采用VisualBasic高级语言编写了相应的应用软件，可以实现齿轮箱的实体造型和故障的三维动态模拟显示，该设计方案和诊断系统具有较好的理论价值和应用前景。     

基于倒频谱法在齿轮箱故障诊断中的应用

采用LabVIEW的虚拟仪器平台,建立数据采集系统,对齿轮全生命周期的振动信号进行在线采集。利用基于时域与频域分析法（功率谱）相结合的处理方法,对齿轮整个周期中可能出现的情况进行分析。文中主要介绍倒频谱的分析方法,对啮合频率和边频特征进行提取分析,来确定故障的性质.     

小波分析在齿轮箱故障诊断中的应用

对齿轮箱故障特点和诊断方法进行了分析，介绍了小波分析方法，并以小波分析在信号分析和信号消噪处理中的应用为例，体现小波分析比传统分析方法的优越性，是故障诊断的一种有效方法。     

神经网络在齿轮箱故障诊断中的应用

通过对齿轮箱振动信号的分析处理,将齿轮箱故障信号的频带能量归一化后的数据作为神经网络的训练样本,得到神经网络各层神经元的权值和阀值将其保存,并取另一组故障特征信息作为输入信息对其验证,得到齿轮箱故障诊断的结果.     

蚁群神经网络在齿轮箱故障诊断中的研究与应用

在ACO算法原理及框架的基础之上,将蚁群优化算法引入到神经网络的训练中来,提出了ACO训练神经网络的基本原理和方法步骤,并应用于发动机齿轮箱故障的故障诊断。本文采取经典的“频域”分析方法对齿轮箱进行故障诊断,并建立了基于蚁群神经网络的齿轮箱故障诊断模型。结果表明,用ACO算法训练的神经网络具有较高的故障诊断精度,可以有效地诊断齿轮箱中的故障,提高了诊断的效率和质量。     

轧机齿轮箱和齿轮联轴器的故障诊断

通过对轧机齿轮联轴器进行多工况的振动测试与信号分析 ,提出了此类机械零部件出现故障时的信号特征 ,并成功诊断了齿轮箱及齿轮联轴器存在的故障     

提升小波在齿轮箱故障诊断中的应用

利用小波变换进行信号特征提取时,特征提取效果依赖于小波基的选择。为了避免这一限制,引入一种基于提升小波的根据故障特征波形特点实现小波构造的方法。对齿轮箱振动信号的分析和故障特征信息提取结果表明,利用提升小波能比一般小波更好地与齿轮箱故障特征信号相匹配,提取出更有效的故障特征,为后续的故障诊断和分析提供了良好的条件。     

遗传小波网络在齿轮箱故障诊断中的应用

针对小波神经网络常用的反向传播算法普遍存在收敛速度慢,容易陷入局部极小点,网络参数的选取只能凭实验和经验来确定等缺点,提出了一种基于遗传算法优化的小波神经网络并应用于齿轮的故障诊断。仿真结果表明,该方法充分的发挥了遗传算法的全局寻优能力,小波分析的非线性逼近能力和神经网络的自学习特性,优化了系统的收敛速度和故障诊断的精度。     

油液分析技术在齿轮箱故障诊断中的应用

齿轮箱是机械变速传动的关键部件,齿轮的故障诊断有多种方法,运用油液分析技术对齿轮箱进水故障进行诊断,并举例进行分析。     

轧机齿轮箱异常振动分析及故障诊断

本文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故障诊断,找到了齿轮箱异常振动的原因,与实际情况基本一致。     

基于声发射和ICA信号处理的轧机齿轮箱故障诊断

轧机齿轮箱传动系统是轧机系统的重要组成部分,也是较易出现机械故障的部分。轧机齿轮箱出现故障后其异常振动会严重影响轧制过程的稳定性,造成轧辊轴承损坏、轧件质量变差等不良后果。通过声发射监测技术实现振动信号的采集,并结合基于EMD的ICA信号处理方法,得出发现和诊断轧机齿轮箱各类故障的有效方法。通过对某钢厂轧机齿轮箱实测信号的分析验证了此方法的可靠性。该方法的应用极大提高了轧机系统在轧制过程中的稳定性,为实现精密轧制提供了帮助。     

蚁群优化算法在齿轮箱故障诊断中的应用

在研究蚁群优化神经网络训练算法的基础上,训练BP神经网络使网络的收敛速度大大提高,避免陷入局部最优解;根据振动实验室2级传动箱实测数据,分析研究信号以及提取信号特征值,应用训练后的BP神经网络诊断齿轮箱的故障,实验表明效果良好,是解决故障诊断问题的主要途径。     

在线振动分析技术在高速线材轧机锥齿轮箱故障诊断上的应用

利用在线振动分析技术对高速线材轧机锥齿轮箱的故障进行诊断,实现设备的预知性维护,通过实例介绍了用该技术评价设备的故障程度及确定故障源的过程和经验。     

频谱分析法在齿轮箱故障诊断中的应用

基于齿轮箱振动及调制边频带形成机理的分析，提出用谱平均及倒频谱分析相结合的方法，对监测系统的输出信号进行频域分析，诊断齿轮箱故障，并分析其产生原因。实例及分析结果验证了该方法可迅速、准确地对齿轮箱进行故障诊断。     

改进的小波包变换方法在齿轮箱故障诊断中的应用

介绍了小波包变换的改进方法,将其应用于齿轮箱的故障诊断中,避免了混频现象,有效地提取出齿轮箱故障特征,提高了故障诊断的准确率。     

基于Elman神经网络的齿轮箱故障诊断研究

介绍了Elman神经网络的原理、算法,并用Elman网络对齿轮箱机械传动系统的故障进行了诊断。实例结果表明：该方法能够准确地诊断齿轮箱故障,同时具有训练速度快、结构简单、精度高等特点,是1种行之有效的诊断方法。     

基于DSP的风力发电机齿轮箱故障诊断系统的研究与应用

风力发电机齿轮箱是风力发电机组中发生故障频率最多的部件。针对齿轮箱振动信号大多为非平稳的特征,设计了以DSP-TMS320F28335(简称F28335)为核心处理器的风力发电机齿轮箱故障诊断系统,该系统可以脱离上位机独立运行。利用F28335及其丰富的外设模块构建了系统的硬件平台,其中包括对模拟信号采集、频率信号、数字信号采集的相关模块,并具有以太网、CAN总线的通信功能。采集的信号经过DSP嵌入式EMD分解算法将振动信号分解成IMF分量,并对IMF分量进行Hilbert变换,进而获得精确的信号Hilbert边际谱图,依据Hilbert边际谱图得到设备潜在故障信息。经试验表明本系统能够有效的诊断齿轮箱故障。     

基于粗糙集与神经网络的齿轮箱故障诊断

对粗糙集的属性离散化和约简算法进行了研究,提出了一种基于粗糙集与神经网络相融合的故障诊断方法。首先提出一种优化NS断点集的方法用于离散化决策表,然后采用差别矩阵和差别函数直接求取最小属性约简集,最后采用神经网络对JZQ-250齿轮箱进行故障诊断,并比较了约简前后特征集的诊断结果,实验表明粗糙神经网络能够简化网络结构,有较强的容错和抗干扰能力,且迭代次数少,收敛速度快,诊断精度高,是一种有效的齿轮箱故障诊断方法。     

基于HHT的齿轮箱故障诊断研究

齿轮箱是重要的机械传动设备,对它进行故障诊断有重大意义。传统的故障诊断方法对于非线性非平稳信号处理效果不太明显,HHT方法是在EMD和Hilbert变换基础上建立起来的新方法,能够很好地提取到瞬时频率信号。齿轮箱故障实验结果表明,HHT适合齿轮箱故障诊断。