提升机齿轮箱故障诊断研究

介绍小波分析理论,利用Matlab7.0小波变换工具箱处理提升机齿轮箱振动信号,探讨小波分析在提升机齿轮箱故障诊断中应用的可行性。     

EMD与能量算子解调在提升机齿轮箱故障诊断中的应用

提升机齿轮减速箱一旦发生故障,其振动信号表现出强烈的非平稳性,表现为复杂的调制现象,因强烈的噪声干扰,给故障特征提取带来了困难。介绍了基于经验模态分解(Empirical Mode Decomposition, EMD)与Teager-Kaiser能量算子（Teager-Kaiser Energy Operator,TKEO）解调相结合的提升机齿轮箱故障诊断方法,该方法结合了EMD自适应滤波和Teager-Kaiser能量算子非线性故障特征提取的优点。EMD方法可将齿轮箱振动信号分解成若干个局部频率从高到低不同频段的IMFs（Intrinsic Mode Functions）,各个IMF突出了原始信号的某些局部特征,再对相对高频段且含有齿轮啮合频率及谐频的IMFs进行能量算子解调,成功提取了提升机齿轮箱中间轴旋转频率fr2的故障特征频率,诊断出了提升机齿轮箱中间轴上齿轮Z2和Z3的点蚀故障。分析结果表明,该方法能有效诊断出提升机齿轮箱的故障。     

基于EMD分解的齿轮箱故障诊断研究

提出了基于EMD分解的齿轮箱故障诊断方法,介绍了EMD理论及其算法,完成了齿轮箱齿面磨损故障及正常状态实验,对故障信号进行EMD分解后所得IMF中清晰地表达了故障信息,说明了该方法的可行性和有效性。     

基于EMD和ARX模型的齿轮箱故障诊断研究

将EMD算法作为信号预处理的一种手段,将齿轮箱非平稳振动信号分解为一系列平稳过程的IMF分量,并将能量最大的有效分量做为系统模型的输出响应信号,输入轴转速转矩信号为系统输入信号,建立齿轮箱系统的时间序列ARX模型。实验结果表明:ARX模型将输入的波动计算在模型中,增强了系统模型的抗干扰能力,对于提高故障诊断的辨识精度具有重要意义。     

基于EMD的齿轮箱故障诊断的研究

采用小波阈值法对齿轮箱故障信号进行去噪预处理,将经验模式分解(EMD)和快速傅立叶变换(FFT)相结合对齿轮箱故障信号进行特征提取,这种方法适用于非线性非平稳信号的自适应状态分析。利用EMD方法将去噪后的信号就行经验模态分解,得到一定数量的固有模态函数(IMF)分量,选取具有特定意义的IMF进行FFT,就可以得到相应的功率谱,从而提取齿轮箱故障特征频率。     

煤矿提升机齿轮箱振动分析

提升机作为煤矿中的重要设备,其故障率对于煤炭的安全高效生产有着极为重要的作用。在详细分析了煤矿提升机工作环境和工作特性的基础上,建立了提升机齿轮箱振动的数学模型,分析了速度和载荷变化情况下的提升机齿轮箱振动的特点,分析了变工况条件下齿轮箱故障信号的分布特征,为变工况条件下提升机齿轮箱的故障诊断提供了一定的理论基础。     

基于EMD近似熵和TWSVM的齿轮箱故障诊断

针对齿轮箱振动信号的非平稳和非线性特征,给出了一种基于经验模态分解(EMD)近似熵和双子支持向量机(TWSVM)的齿轮箱故障诊断方法。对不同类型的齿轮信号进行EMD分解,得到若干个具有不同时间尺度的本征模函数(IMF)分量,再对IMF分量使用近似熵求解,得到一组特征向量,最后将其输入到TWSVM分类器中进行故障诊断。仿真实验表明,该方法能有效地提取故障特征,不同的故障类型表现出不同的故障信息;与传统SVM相比,TWSVM的计算时间更短,分类效果更好。     

基于CSCW的提升机故障诊断研究

通过对提升机的分析,提出了基于CSCW的提升机结构模型,并就多Agent故障诊断进行了讨论.     

基于EEMD-SVM的齿轮箱故障诊断

针对齿轮箱振动信号的非平稳特性和在现实条件下难以获得大量故障样本的实际情况,提出一种经验模态分解和支持向量机相结合的故障诊断方法。运用经验模态分解方法对齿轮箱故障的振动信号进行分析,进行EEMD分解得到相对平稳的本征模态IMF,并计算每个IMF的能量熵,将其作为支持向量机的输入特征向量以判断齿轮箱的工作状态和故障类型。     

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。     

基于EMD-AR模型的齿轮箱故障诊断

对基于EMD-AR模型的齿轮箱故障诊断进行了研究。对齿轮箱故障振动信号采用EMD方法进行分解,得到有限个平稳的IMF(本征模式函数),对其建立AR模型,将建立的每个AR模型残差的方差和自回归参数建立Mahalanobis距离判别函数,最后进行模式特征综合,确定齿轮箱的工作状态以及故障类型。研究表明,采用EMD-AR模型进行齿轮箱故障诊断是可行有效的,提高了齿轮箱故障检测的准确性。     

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HHT的齿轮箱复合故障诊断研究

提出一种基于HHT的齿轮箱复合故障诊断方法。该方法将齿轮箱故障振动信号进行Hilbert-Huang变换,得到信号的Hilbert能量谱,通过谱分析实现齿轮箱复合故障的识别。齿轮箱故障实验信号的研究结果表明:该方法能有效诊断齿轮箱的复合故障。     

基于自适应神经网络的矿井提升机故障诊断

矿井提升机是井下作业的重要运输设备,其运行状态对煤矿企业的安全生产具有关键作用。为了对矿井提升机故障进行实时监控,从而及时发现故障原因并采取措施,提出了一种基于自适应神经网络的矿井提升机故障诊断方法。首先对矿井提升机主轴系统结构及故障振动频率特征进行了分析,然后采用自适应神经网络算法对矿井提升机主轴故障诊断建立模型,实现对故障类型和故障程度的精确诊断,最后对所提出的模型进行了仿真测试。实验结果显示,该方法可以提供较高识别精度的故障诊断结果,为提升机的故障判断提供了参考依据。     

矿井提升机故障诊断技术研究

针对矿井提升机高可靠性要求,设计了基于故障树的故障诊断系统。利用故障树建立专家系统,解决了知识获取的瓶颈问题。     

基于多Agent系统的提升机故障诊断技术研究

设计基于多Agent的提升机故障诊断系统结构框架,解决提升机远程故障诊断的瓶颈问题。     

基于LabVIEW的矿井提升机故障诊断系统设计

为了保障矿井提升机设备安全运行,运用LabVIEW为平台设计矿井提升机故障诊断系统,实现对提升机各组成部件运行状态监测与故障诊断。设计了基于图形化编程语言LabVIEW的故障诊断系统,运用Matlab Script节点建立基于遗传算法的推理机,实现提升机故障信号识别。仿真表明:在缺乏先验知识和样本数据很少的情况下对故障做出判断,减小了知识不足对诊断结果的影响,根据故障数据确定了提升机故障部位及原因,对及时排除设备安全隐患具有重要意义。