行星齿轮箱齿轮组合故障振动频谱特征

行星齿轮箱的局部故障容易发展成为组合故障,复合故障频谱特征与局部故障有明显区别。研究太阳轮与齿圈、太阳轮与行星轮、行星轮与齿圈等组合故障频谱结构对行星齿轮箱故障诊断具有重要意义。考虑组合故障对振动信号的调幅-调频作用,以及时变振动传递路径的调幅作用,建立了组合故障振动信号模型,推导了Fourier频谱公式,总结了组合故障的频谱特征规律。推导了太阳轮与齿圈、太阳轮与行星轮、齿圈与行星轮两两组合故障以及太阳轮、行星轮与齿圈三种齿轮同时故障的特征频率计算公式。通过行星齿轮箱实验信号分析验证了理论推导结果,基于Fourier频谱分析诊断了太阳轮与齿圈、太阳轮与行星轮、齿圈与行星轮组合故障。     

基于变分模式分解的行星齿轮箱齿轮组合故障频率解调分析

行星齿轮箱组合故障振动信号具有多源调制特点,在频域内边带结构复杂,通过常规Fourier频谱分析难以有效提取故障特征;组合故障振动信号的调频部分包含故障信息,且不受传递路径影响。为了准确提取行星齿轮箱组合故障特征,提出基于变分模式分解的频率解调分析方法。根据采样频率和载波频率确定单分量个数,通过变分模式分解将多分量信号自适应地分解为一系列本质模式函数;计算本质模式函数的瞬时频率,根据中心频率和啮合频率的匹配关系选取敏感单分量;通过分析敏感单分量瞬时频率频谱诊断组合故障。通过仿真信号和实验信号分析验证了方法的有效性,诊断了太阳轮与行星轮、太阳轮与齿圈、行星轮与齿圈的组合故障。     

基于谐波小波包变换的齿轮箱包络解调分析

齿轮箱发生某些故障时所产生的非平稳信号具有多分量调制的特点,啮合分量及倍频受噪声干扰影响严重且相互交叠,信号频带较宽异常复杂,给故障诊断带来了很大的障碍。在研究谐波小波频段分解与Hibert解调分析的基础上,提出了基于谐波小波包变换的解调分析法的实现过程。该方法首先对预处理后的信号进行三次样条插值并作必要的频谱分析;然后结合频谱特征与齿轮箱故障特征频率的理论计算值,确定所需提取的特征啮合分量;继而确定谐波小波包分解层数与提取的频带带宽,再通过傅立叶变换及反变换得到相应的特征啮合分量;最后采用Hilbert算子对提取出的啮合分量进行包络解调分析。将该方法应用到实际齿轮箱的磨损及点蚀故障的诊断试验中,验证了该方法对任意频段调制信息的精确提取能力,为齿轮箱故障源及故障程度的准确定位提供了可靠的判断依据。     

基于振动信号分离的行星轴承故障特征提取

由于行星轴承振动信号传递路径的时变性,且行星齿轮箱中齿轮啮合振动信号较强,导致行星轴承故障特征提取较为困难。为此,提出了一种基于振动信号分离的行星轴承故障特征提取方法。该方法首先采用阶比分析技术将原始振动信号进行等角度采样;每当行星架旋转一周,采用Tukey窗进行加窗截取,按照啮合齿序重新拼接,构造振动分离信号。再采用离散随机分离从振动分离信号中提取行星轴承故障分量;最后进行包络谱分析提取故障特征。行星轴承内圈故障实测信号分析表明,该方法能有效提取行星轴承故障特征。     

基于阶次分析技术的行星齿轮箱非平稳振动信号分析

行星齿轮箱启动、停止和负载发生变化时,转速会发生变化并使得行星齿轮箱的振动信号具有明显的非平稳特性。行星齿轮箱复杂的结构特征导致了振动信号的复杂性,使得常规的频谱和解调分析方法难以识别时变工况下的行星齿轮箱故障特征频率。本文在行星齿轮箱故障特征频率的基础上,考虑转速变化特征,总结了行星齿轮箱太阳轮、行星轮及齿圈的故障阶次特征表。通过对行星齿轮箱变转速工况下太阳轮故障实验信号的阶次分析,实现了变转速情况下行星齿轮箱太阳轮故障诊断,并与传统的频域信号分析方法比较,体现了阶次分析技术在行星齿轮箱变工况故障诊断过程中的优势。     

行星齿轮箱振动信号特征提取新方法

与轴承、定轴齿轮箱相比,提取行星齿轮箱的故障特征更加困难,且传统方法对行星齿轮箱的诊断效果不好。针对行星齿轮箱故障振动信号的非线性、复杂性等特性,提出一种基于小波包样本熵和均方根值的故障特征提取新方法。该方法首先对原始信号进行连续等长度截取,获得样本信号,再利用小波包变换分解样本信号,计算分解后各频段的样本熵和均方根值,并进行归一化处理。将归一化参数作为加权平均的权重,计算加权平均的样本熵和均方根值。最后将两参数做商得到新参数。故障诊断及抗噪试验结果表明,新特征提取方法能增大行星齿轮箱不同故障特征的区分度且有较好的稳定性,同时新参数具有一定的抗噪性。     

风电齿轮箱两级行星齿轮传动系统的非线性动力学特性

考虑风电齿轮箱两级行星轮系传动系统各齿轮副的时变啮合刚度、综合啮合误差和齿侧间隙等非线性因素的基础上,建立了广义坐标下增速齿轮箱两级行星齿轮传动系统的动力学模型,采用变步长Gill积分法对该模型进行求解;采用分岔图、相图、FFT频谱图、poincaré截面图及最大Lyapunov指数图分析了激励频率和啮合阻尼比对系统振动响应及分岔特性的影响。结果表明:系统在多种非线性因素的耦合作用下会表现出丰富的非线性动力学行为,随着激励频率的增大,系统在混沌运动、拟周期运动和倍周期运动之间切换和变化,且退出混沌的方式多为倒分岔;在保证系统传动效率的前提下适当提高系统的啮合阻尼比,能够明显弱化和抑制系统的混沌运动,减小其振动幅度,对提高系统的稳定性具有一定的作用。     

行星轮不均载的行星齿轮箱振动信号模型EI北大核心CSCD

行星齿轮箱有多个行星轮构成的平行传动路径可以分担输入的扭矩负载。行星轮之间的载荷分布不均会降低效率和加速疲劳。为了充分揭示行星轮载荷分布不均的故障特征,建立了行星轮不同载荷分布情况下的振动信号模型;推导出傅里叶频谱,说明行星轮载荷的不均匀分布会引起附加的信号频率成分,并可能导致系统固有频率的偏移;总结了输入扭矩和行星轮位置误差的严重程度对信号频谱结构的影响。仿真和实验结果与理论模型较好吻合。     

合金棒材轧机齿轮箱的振动研究

宝钢股份特钢分公司合金棒材生产线在节能轧制过程中（低于正常轧制温度80~150℃）,因H5轧机齿轮箱出现异常振动而影响降温轧制工艺的实施。本文通过对H5轧机齿轮箱振动特性的实测诊断,结合有限元计算分析确定了齿轮箱发生异常振动的原因,并提出通过齿轮箱箱体加筋提高刚度以抑制其振动的措施。现场使用表明,H5轧机齿轮箱箱体加筋后,其异常振动得到有效抑制,确保了该节能降耗轧制工艺的实现。     

基于希尔伯特变换的非平稳调幅信号解调

非平稳信号泛指具有时变能量谱的确定性信号和具有时变功率谱的随机信号。幅度调制是非平稳性的一种表现形式。调幅信号分析主要任务之一是提取幅度随时间变化的规律。在希尔伯特变换平方解调方法的基础上,提出了利用适用于非平稳信号的希尔伯特变换低通滤波器,提取调幅信号的包络,实现非平稳调幅信号的分解。数值算例验证了方法的有效性。     

基于VMD-DE的坦克行星变速箱故障诊断方法研究

为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算重构信号的散布熵;将重构信号散布熵作为特征值输入到粒子群优化(PSO)的多分类支持向量机(SVM)中实现故障模式识别。通过对坦克行星变速箱的正常、行星轮故障和太阳轮故障三种状态进行模式识别,分类准确率达到100%,且计算时间较短。与基于原始振动信号DE、VMD-SE(样本熵)、VMD-PE(排列熵)及EMD-DE(经验模态分解与DE结合)等方法比较,综合考虑准确率和计算时间两个因素,基于VMD-DE的方法故障诊断性能最佳。     

深度置信网络迁移学习的行星齿轮箱故障诊断方法

实际工程中行星齿轮箱受工况、运行情况等因素的影响,获取的数据难以满足训练和测试数据独立同分布且训练数据充足的条件,直接影响故障诊断效果.为此,提出一种深度置信网络(Deep Belief Network,DBN)迁移学习的行星齿轮箱故障诊断方法.首先,将辅助标记数据的原始信号频谱作为DBN网络的输入,逐层更新网络的权重...     

机车齿轮箱齿根裂纹故障解调方法研究

机车运行的过程中齿轮箱传动系统不仅受到传递载荷、轮轨冲击载荷的联合影响,而且还要适应轮对、构架之间复杂的相对运动,导致齿轮传动系统出现故障的情况下采集到的信号成分复杂并且具有明显调制现象.该文针对齿轮系统含有齿根裂纹故障情况下采集到的信号调制现象进行解调方法研究.首先,通过数值仿真方法得到轮对、电机、构架以及车体等机车...     

参数优化变分模态分解与多域流形学习的行星齿轮箱故障诊断

针对行星齿轮箱特征提取困难的问题,提出一种基于参数优化变分模态分解与多域流形学习的故障诊断方法.首先,利用樽海鞘群优化变分模态分解(SSO-VMD)对信号进行分解与重构,降低噪声干扰;然后,从多域提取故障特征,并采用改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)算法进行降维处理,获取低维故障...     

角域AR谱技术在齿轮故障诊断中的应用

利用时频分布平面内信号能量峰脊与瞬时频率之间的对应关系,对信号瞬时频率进行估计;在此基础上利用代数方法求解鉴相时标积分方程,并对经插值重采样得到的角域信号进角域平均处理,提高了角域信号的信噪比;最后对角域信号进行AR建模实现信号的阶次谱分析。实际测试结果表明:采用角域AR谱技术处理齿轮箱非平稳振动信号,能够有效地避免传统频谱方法无法解决的"频率模糊"现象,克服了传统阶次谱分辨率较低,谱线毛糙,易受噪声及轴频调制影响等缺点,对齿轮箱的早期故障有较好的识别能力。     

基于NIC-DWT-WOASVM的齿轮箱混合故障诊断

由于齿轮箱中振动信号的复杂性和非平稳性,致使齿轮箱混合故障诊断工作具有一定难度。针对这一问题提出基于NIC-DWT-WOASVM的齿轮箱混合故障诊断方法。首先通过窄带干扰消除(Narrow Band Interference Canceller, NIC)滤除原始信号中齿轮啮合和转轴等窄带干扰信号,接着对信号进行离散小波变换(Discrete Wavelet Transform, DWT),重构小波系数得到小波分量,提取分量的方差作为特征参数构成特征矩阵样本。针对传统优化支持向量机收敛速度慢及容易局部最优等问题,提出鲸鱼算法优化的支持向量机(Whale Optimization Algorithm Support Vector Machine, WOASVM),运用训练样本对WOASVM进行训练得到优化分类模型,将测试样本输入到优化模型中得到诊断结果。为验证方法的有效性,开展了变工况下齿轮箱混合故障实验,通过实验分析及与其他方法的比较,证明方法对于齿轮箱混合故障诊断是有效的。     

基于EMD-EDT的行星齿轮箱特征提取及状态识别方法研究

针对行星齿轮箱特征提取及状态识别中存在的难点问题,本文首先总结适用于行星齿轮箱状态识别的36个特征参数并详细说明各参数的来源及提取方法,提出基于EDT的两阶段特征参数选择及加权方法,得到新的组合特征参数。提出基于EMD-EDT的行星齿轮箱状态识别方法;首先提出基于能量比的包含敏感故障信息的固有模态函数（IMF）选择方法,然后选择提取筛选出的各IMF的组合特征参数构成特征矩阵作为EDT的计算输入,最后智能的输出评估结果。利用行星齿轮箱预置故障实验数据验证所提出方法的可行性和有效性及EMD分解、特征选择和加权过程的必要性。     

基于广义解调时频分析和瞬时频率计算的阶次谱方法在齿轮故障诊断中的应用

针对齿轮启停过程中故障振动信号的调频特性,提出了基于广义解调时频分析和瞬时频率计算的阶次谱方法,并将其应用于齿轮瞬态信号的分析。广义解调时频分析是一种新的时频分析方法,它可以将多分量的信号分解为若干个瞬时频率具有物理意义的单分量信号,每个单分量信号可以是调幅-调频信号,因此非常适合处理多分量的调幅-调频信号。而当齿轮发生故障时,其启停过程中的振动信号就表现为多分量的调幅-调频特征。在基于广义解调时频分析和瞬时频率计算的阶次谱方法中,首先采用广义解调时频分析方法将齿轮瞬态信号分解为若干个单分量信号,然后计算各个分量的瞬时频率,再对其瞬时频率信号进行重采样,最后对重采样信号进行频谱分析得到阶次谱,从而提取齿轮振动信号的故障特征,判断齿轮的工作状态。仿真信号和实验信号的分析结果表明了该方法的有效性。