浮动式齿圈行星齿轮箱齿轮故障振动频谱模型

齿轮箱振动信号频谱结构的深入研究,对齿轮箱的故障诊断有很大帮助。但是到目前为止,还没有对齿圈浮动的行星齿轮箱频谱结构的相关研究。针对浮动式齿圈行星齿轮箱传动结构的特点,研究了振动信号传递路径对频谱结构的影响,得到了浮动式齿圈行星齿轮箱齿轮故障振动信号的频谱模型。利用包络谱对故障信号的幅值调制进行分析,简化了故障诊断工作。最后,运用所提频谱模型进行了故障诊断试验,准确发现了变速箱中的故障。     

功率谱逆变换对数在齿轮箱故障诊断中的应用

根据频谱分析的性质和特点,提出在故障诊断中提高信噪比的频谱分析方法。将功率谱傅里叶逆变换对数应用在齿轮箱故障诊断中,并分析了齿轮箱的故障特征。     

多通道振动测试技术在大型船舶齿轮箱故障诊断中的应用

通过研究多通道振动测试方法及船舶齿轮箱的结构特点及故障特征,结合故障实例,从各监测点的时域波形及频谱分析的特征探索出多通道振动测试技术在大型船舶齿轮箱故障诊断中的应用。     

基于平移不变多小波变换的齿轮故障诊断

机械设备发生故障时,反映设备故障特征的振动信号常淹没在背景噪声中,直接做频谱分析,很难提取其故障特征。将平移不变多小波降噪方法应用到仿真加噪冲击信号,提取出隐藏在噪声中的冲击特征。然后将该方法应用于齿轮箱试验台信号分析中,试验结果表明,平移不变多小波降噪方法能够有效地提取出齿轮箱断齿故障的冲击特征频率,诊断出齿轮箱的断齿故障,为故障诊断提供了准确的依据。仿真与试验分析验证了平移不变多小波降噪方法在故障诊断中的有效性。     

基于整机运转状态的齿轮箱故障诊断

在对机床进行故障诊断过程中,对齿轮箱的检测至关重要.综合分析齿轮箱的振动频谱可以快速、准确地确定故障产生的原因以及故障位置.对北方工业大学数控中心的XK5025型数控立式降台铣床齿轮箱进行振动频谱分析后,判定该机床齿轮箱的大齿带轮出现严重磨损是齿轮箱产生异常振动的主要原因,此外,各齿轮轴以及齿轮之间啮合的松动故障也是齿轮箱异常振动重要原因.     

某核电海水循环泵齿轮箱振动分析

齿轮的边频带,通常作为齿轮故障诊断的重要依据,针对某核电海水循环泵齿轮箱首次满载振动偏高,基于边频带理论对齿轮箱振动频谱进行了分析,分析结果表明该齿轮箱振动频谱符合无故障行星齿轮组的典型特征,可以排除齿轮箱局部故障的可能,该齿轮箱满足长期稳定运行的要求。     

基于信号模型与阶次分析的风力发电机组齿轮箱故障诊断

针对传统的频谱分析方法在非平稳工况下导致的"频谱模糊"现象,利用信号模型和阶次分析的方法对风电机组齿轮箱进行了故障诊断研究。建立了非平稳工况下齿轮箱高速级的振动信号模型,推导了其时频谱及阶次谱结构,利用阶次分析的方法分析了振动信号的阶次谱,提取了齿轮故障特征。最后,利用真实风场齿轮箱振动数据进行分析,对齿轮箱故障进行了准确识别。     

考虑传递路径效应的行星齿轮箱断齿故障仿真研究

断齿是行星齿轮箱常见的一种故障形式。当行星齿轮箱发生断齿故障时,传感器采集到的振动信号由于传递路径的影响会变得复杂,给故障诊断带来困难。为了研究行星齿轮箱发生断齿故障时传递路径对频谱结构的影响,在Adams仿真平台中分别建立行星齿轮箱无故障、太阳轮断齿故障、行星轮断齿故障及齿圈断齿故障的刚柔耦合模型并进行仿真,提取分析了系统不同状态下箱体的振动仿真信号。结果表明,在时域波形中,路径的变化会对箱体固定位置测量点处的振动信号产生明显的调幅作用;在频谱图中,啮合频率的两侧也会产生由不同频率组合的边带成分。该研究可为后续行星齿轮箱的故障诊断提供依据和参考。     

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。     

齿轮箱故障诊断的虚拟现实技术应用

介绍了虚拟现实技术在齿轮箱故障诊断中的应用，用AutoCAD完成了齿轮箱的三维实体造型。用VisualC ,VisualLISP等工具完成了齿轮箱轴承，齿轮，轴等部位在运行中出现故障时的立体动画，经传感器实时检测机床的振动信号，并对这些信号进行频谱分析。小波分析等。可提取出故障特征。再用人工神经网络，模糊决策及专家系统等手段进行决策。判定故障部位和程度。可在微机上直观地观察到在运行过程中，齿轮箱各故障具体部位及损伤程度的虚拟现实情况。     

基于最小熵反褶积的行星齿轮箱故障诊断

行星齿轮箱具有传动比大、传动效率高等优点,但比定轴齿轮有更复杂的结构,因常工作在恶劣的条件下,容易出现磨损或疲劳裂纹等故障。扭振信号因信噪比高、频谱结构简单等优点有利于对行星齿轮箱的故障诊断。所以针对重载、强噪声环境下行星齿轮箱故障特征的提取,提出了基于最小熵反褶积(Minimum entropy deconvolution,MED)的扭振信号时域分析方法,该方法通过反转滤波加强冲击特性从而提取行星轮的故障特征。通过对仿真信号和行星齿轮箱的扭振信号分析,在时域上提取了明显的故障冲击特征,并且较频谱分析能更直观清晰地看出故障特性。通过对不同负载情况下的比较,发现该方法对处于大负载情况下的故障诊断效果更佳。     

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。     

变工况齿轮箱故障诊断方法综述

齿轮箱是机械传动链中的关键且故障多发部件,传统齿轮箱诊断方法难以对运行在变工况下的齿轮箱故障进行准确的检测和有效识别。综述了国内外对于变工况齿轮箱故障诊断技术、研究现状及进展,并简要讨论了变工况齿轮箱故障诊断方法的应用现状及可能的发展趋势。     

基于整机运转状态的齿轮箱故障诊断研究

介绍了齿轮箱故障诊断技术中的常用方法,通过实践案例对整机运转状态下齿轮箱故障进行了研究分析,并提出齿轮箱故障诊断的未来发展方向,以期对齿轮箱安全生产和日常维护起到一定的促进作用.     

基于EEMD和THT的齿轮故障诊断方法

提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)和TeagerHuang变换的齿轮箱故障诊断方法,该方法首先运用EEMD方法,将振动信号分解成不同特征时间尺度的单分量固有模态函数,然后用Teager能量算子计算各固有模态函数的瞬时频率和瞬时幅值,得到Teager-Huang变换时频谱.齿轮箱齿轮裂纹故障振动试验信号的研究结果表明,Teager-Huang变换时频谱优于Hilbert-Huang变换时频谱,能有效识别齿轮故障.     

变转速下的风力机行星齿轮箱故障诊断研究

由于风力发电机齿轮箱振动信号的非平稳性、传递路径复杂、系统噪声大和调制现象严重,常规的频谱分析方法难以识别齿轮箱的故障位置.针对以上问题,提出了一种基于同步提取(Sychroextracting Transform,SET)与沃德卡曼滤波相结合的风力机行星齿轮箱故障诊断研究方法(Combination of SET a...     

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。     

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。     

基于近似熵的齿轮箱状态监测与故障诊断

针对齿轮箱故障诊断缺乏有效的快速算法的问题,提出了基于近似熵(Approximate Entropy,ApEn)参数的齿轮箱故障诊断方法。首先介绍了近似熵的概念和计算方法,然后利用近似熵对轻度磨损、中度磨损和断齿故障状态下的齿轮箱进行故障诊断。结果表明,近似熵参数不但能有效地对齿轮箱的故障状态进行区分,而且可以清楚地刻画齿轮箱故障状态的演变过程,因而适于作为齿轮箱故障诊断的特征参数。为齿轮箱的状态监测与故障诊断提供了一种新的方法。     

含故障的齿轮箱角域动力学模型研究

利用齿轮箱轴的旋转角度为自变量,在角域建立齿轮箱时变动力学模型的方法,该方法能够把时域的非稳态工况转化为角域的伪稳态工况,为齿轮箱非稳态工况下的故障诊断提供了必要理论依据。同时利用模型中的时变参数来仿真齿轮箱的故障,得到带有轮齿故障形式的轮箱动力学模型,进而能够利用故障模型对故障特征进行分析,在很大程度上提高了故障诊断的准确性。