应用无量纲幅域参数诊断齿轮箱故障

目前故障诊断方法的研究开发十分活跃,除传统的谱分析、幅域分析、时域分析、建模等方法外,时频分析、神经网络、小波变换等崭新的分析方法相继进入机械设备诊断领域.在众多的方法中,幅域参数方法以其计算简单,并能较好地反映机器的运行状况而被广泛采用.机械故障诊断中常用的无量纲幅域参数有:波形指标(Shape Factor),峰值指标(Crest Factor),脉冲指标(Impulse Factor),峭度指标(Kurtosis Value)和裕度指标(clearance Factor)等.对这些无量纲指标的基本要求是:(1)对故障和缺陷足够敏感;(2)对信号的幅值和频率不敏感,即与机器的运行工况无关,只依赖于信号的幅值概率密度函数.对于齿轮,在正常情况下,振动信号的幅值概率密度函数是接近正态分布的,属于平稳或弱平稳过程.但当出现疲劳剥落、断齿时,就会引起冲击,信号的幅域参数将会发生变化,幅值概率密度函数也将偏离正态分布,具体说来,小幅值的概率密度上升,中央的峰更陡峭;大幅值的概率密度也上升,使两端向外延展和隆起.为了了解各参数与概率密度函数之间的关系,下面从概率密度函数入手加以分析.为了计算简单起见,根据故障发生后概率密度函数的形状,将其归一化后简化为如图1所示.     

用幅域分析法监测诊断故障

机械故障的诊断方法中,幅域分析法有其鲜明特点及对故障的敏感性,值得我们在工作实践中不断探索完善.一、概率密度函数与典型信号的关系在振动信号的幅域分析中,有时要计算信号的简单幅域参数,如均值、最大值、最小值和有效值.这些简单幅域参数计算简单,对故障诊断也有一定作用,但是它们通常对故障不十分敏感.通过对这些简单幅域参数的分析,发现它们本质上取决于信号的概率密度函数.幅值概率密度函数P(x)定义为     

基于振动幅域参数指标的滚动轴承故障诊断

利用幅域参数对滚动轴承早期故障进行监测和诊断。分析了滚动轴承典型故障的机理及其振动特征,针对滚动轴承的典型故障特征,提出采用了幅域参数指标的诊断方法。基于Windows平台,利用Matlab软件编制了滚动轴承振动信号幅域参数指标计算程序,并且通过QPZZ-II旋转机械故障试验系统进行了滚动轴承故障的实例模拟并对所编程序进行了验证。结果表明,利用振动信号幅域参数指标对滚动轴承进行早期故障诊断,效果良好。     

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。     

齿轮箱故障振动诊断的研究

对齿轮箱基于振动的故障诊断（齿轮、轴承、复杂齿轮箱以及基于相瞬态过程的故障诊断方法）进行了详细地叙述,并对齿轮箱不同零部件的故障诊断方法进行了分析与探讨,指出传统齿轮箱故障诊断方法的不足,展望了今后齿轮箱故障诊断方法。     

基于时间序列幅值分量标度特性的齿轮箱故障诊断

齿轮箱是复杂的动力学系统,其故障信号通常呈现出非平稳和非线性特征,因此齿轮箱故障信号的特征提取是一个难题。去趋势波动分析(Detrended Fluctuation Analysis,DFA)可以用来分析非平稳非线性数据,得到的标度曲线可以用来刻画复杂系统的动力学行为。然而原始序列的标度曲线通常具有复杂的形状,所以从原始序列的标度曲线提取故障特征具有一定的困难。为了解决这个问题,对齿轮箱故障数据增量序列的动力学特性进行了研究,结果证明增量序列的幅值分量主要携带数据的非线性特征,然后提出了基于时间序列幅值分量标度特性的齿轮箱故障特征提取方法。该方法首先计算原始序列的增量序列,获得增量序列的幅值分量,然后利用DFA方法计算幅值分量的标度曲线,最后提取标度曲线的左端点和转折点的波动参数作为故障特征进行故障诊断。利用实测数据对所提出方法的性能进行了验证,结果表明,该方法对噪声干扰具有较好的鲁棒性,可以有效地对齿轮箱故障进行诊断,与传统的时域参数方法相比具有明显的优势。     

起重运输机械齿轮箱故障不解体诊断技术

指出齿轮箱故障的五种基本特征信号,阐述了这些信号特征与典型故障之间的的内在联系,为起重运输机械齿轮箱故障特征的提取与识别奠定了基础．     

齿轮箱故障时域和频域综合诊断技术

本文陈述了典型齿轮箱故障振动信号的特点,采用振动噪声诊断法,在传统的各种信号处理方法的基础上采用时域和频域综合分析法,准确地诊断出SG135-2型汽车变速器齿轮箱断齿故障发生部位.     

正确运用分析方法确定齿轮箱故障

叙述了采用不同的分析方法互补，准确查找齿轮箱故障部位的过程，并指出了在这一查找过程中所要注意的一些问题。     

风电齿轮箱故障诊断的SVM参数优化

针对风电齿轮箱易出现齿轮断齿、点蚀、磨损等故障问题,提取风电齿轮箱非平稳非线性振动信号的提升小波包能量熵,利用支持向量机(SVM)进行故障诊断。为提高算法的分类精度,利用遗传算法对参数进行优化处理,试验结果表明,优化后获得的最佳参数能够提高SVM测试样本的预测精度。     

基于Hilbert解调技术的齿轮箱故障诊断

从理论上分析了根据Hilbert解调原理进行齿轮诊断的可行性 ,并利用齿轮箱诊断实例证明了理论分析的结果。在论文结尾 ,指出了齿轮箱诊断所应注意的两个基本问题。     

小波包和BP神经网络在齿轮箱故障诊断中的应用

研究如何采用处理非平稳性的实用方法以提高监测诊断效率及水平是国内外专家一直研究的课题之一。小波包技术将信号中不同的分量无冗余、无疏漏、正交地分解到独立的频带内,这些频带里的信号能量守衡,每个频带里信号的能量对于状态监测和故障诊断都是十分有用的信息。本文对齿轮箱振动信号应用小波包分解提取故障特征向量,进一步用特征向量训练前向传播BP人工神经网络,建立齿轮运行状态分类器,对齿轮故障进行识别。实验结果表明,本文方法对齿轮箱故障诊断十分有效。     

风机齿轮箱状态监测与故障诊断系统设计研究

针对风力发电机组地处偏远、人工巡检排故困难,利用物联网技术开发了远程状态实时监测和故障诊断系统,分析了总体框架,构建了故障诊断规则库,阐述了工作流程.该系统可实现对风机齿轮箱运行状态的远程实时监测,通过分析风机齿轮箱运行状态信息触发自动故障诊断系统和基于规则的故障诊断,生成故障诊断报告,并将其导入专家经验库.经风电机组...     

LTSA和深度置信网络的行星齿轮箱故障诊断

针对行星齿轮箱振动信号维度高,传统故障诊断方法识别精度低的问题,提出一种基于局部切空间排列算法(Lo-cal Tangent Space Alignment,LTSA)和深度置信网络(Deep Belief Network,DBN)的行星齿轮箱故障诊断方法.首先,利用PCA算法预估高维数据的内在维度,确定目标数据的内在...     

基于小波变换的电气设备故障诊断技术

小波变换具有良好的时-频特性，因此可以有效地用于电气设备故障诊断。在对电气设备进行故障分析、诊断过程中，利用小波变换进行故障信号的故障时刻检测具有重要意义。小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制，判断其状态，以便在故障初期或故障时刻发出警报，并随时进行处理，排除故障。对信号进行特征提取，是故障诊断的关键。突变信号往往表明电气设备发生了某类故障，如果能对突变信号进行有效识别，就可以进行故障诊断、故障分析，从而排除故障。分析了电气设备故障的奇异性，通过仿真得出小波变换用于电气设备故障诊断的方法，以准确检测奇异点，确定故障时刻。     

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。     

基于线调频小波路径追踪阶比跟踪算法的齿轮箱故障诊断研究

针对阶比跟踪转速获取硬件方法需要额外安装转速测量设备,软件方法精度不高、抗噪能力弱的问题,提出基于线调频小波路径追踪瞬时频率估计的齿轮箱阶比跟踪故障诊断方法。该方法利用基于线调频小波路径追踪瞬时频率估计算法适于分解频率呈曲线变化的非平稳信号的特点,采用其对齿轮箱的啮合频率分量进行估计以获取转速信号,依据转速信号对等时间间隔采样信号进行等角度重采样,将非平稳信号转化为角域平稳信号,得到振动信号的阶次谱,判断齿轮箱故障。仿真算例与应用实例表明上述方法在瞬时频率估计方面具有精度高和抗噪能力强的优点,可以根据信号自身的特点自适应的选择基函数,准确地对转速进行估计,其与阶比跟踪算法的结合能有效诊断齿轮箱故障。     

云计算模型在机械设备远程故障诊断数据处理中的应用

对工业企业的计算模型、数据处理进行了特征分析,探讨了云计算模型中的虚拟化技术在企业计算资源整合及MapReduce模型在大规模数据处理中的应用模式,提出了基于云计算模型的机械设备故障诊断的数据处理框架,并通过模拟故障诊断数据处理,验证了框架可行性,为云计算模型在企业中的应用提供借鉴和参考.     

云计算模型在机械设备远稻故障诊断数据处理中的应用

对工业企业的计算模型、数据处理进行了特征分析,探讨了云计算模型中的虚拟化技术在企业计算资源整合及MapReduce模型在大规模数据处理中的应用模式,提出了基于云计算模型的机械设备故障诊断的数据处理框架,并通过模拟故障诊断数据处理,验证了框架可行性,为云计算模型在企业中的应用提供借鉴和参考。     

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。