基于ELMD分解和MED的齿轮箱故障诊断分析

针对齿轮早期故障振动信号的非平稳特性和现实中受环境噪声影响严重,故障特征微弱难以提取的问题,利用总体局部均值分解对齿轮故障振动信号进行分解得到有限个单分量的乘积函数,从而凸显信号的局部特性。但由于噪声的干扰,从各分量的频谱中很难提取故障特征频率信息。文章基于此提出总体局部均值分解和最小熵反褶积的故障诊断方法。通过对齿轮故障仿真实验和工程案列分析,能够准确、有效地提取齿轮故障特征信息,为实际工程应用提供了一种新方法。     

基于集合经验模式分解和交叉能量算子的滚动轴承故障诊断

振动信号的周期性冲击及其重复频率是滚动轴承故障诊断的关键.本文提出了一种基于集合经验模式分解和交叉能量算子提取滚动轴承故障特征的方法.首先,应用集合经验模式分解方法将振动信号分解为本征模式函数以满足交叉能量算子对信号单分量的要求.然后根据相关程度和峭度从本征模式函数中选取敏感分量,计算敏感分量和原始信号的瞬时交叉能量及其傅里叶频谱.最后根据交叉能量的频谱结构和特征频率识别轴承故障.通过分析滚动轴承故障仿真信号和实验测试信号,诊断了滚动轴承元件故障,验证了该方法的有效性.     

谐波小波解调法在齿轮箱故障诊断中的应用

在研究谐波小波频段分解与Hilbert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,并详述了其具体实现过程.该方法根据齿轮箱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,并在此基础上选择谐波小波包分解层数与所需提取的频带带宽;通过傅里叶变换及其反变换提取出相应的特征啮合分量,然后借助Hilbert算子对提取出的啮合分量进行包络解调分析.采用这种方法对存在磨损及点蚀故障的齿轮箱振动信号进行了分析,结果表明,基于谐波小波包的包络解调法具有精确提取任意频段调制信息的能力,能够为齿轮箱故障源的准确定位及故障程度提供可靠的判断依据.     

自适应动模式分解和GA-SVM在行星轴承故障分类中的应用

行星齿轮箱在运行过程中由于齿轮间的相互作用会产生强噪声,导致行星轴承的故障特征被完全淹没在背景噪声中并难以提取,从而使得行星轴承故障分类的准确率较低.本文提出一种自适应动模式分解(ADMD)和遗传算法优化支持向量机(GA-SVM)的行星轴承故障分类方法.首先,针对传统动模式分解(DMD)中截断秩无法准确选取的问题,定义了一种新的适应度函数,并采用改进的蚱蜢优化算法(IGOA)自适应选取最优截断秩,进而实现对原始振动信号的降噪处理.然后对处理后的信号计算其归一化后的复合精细多尺度离散熵(IRCMDE)并构成特征矩阵.最后采用遗传算法优化支持向量机,构建GA-SVM分类模型,并将其应用到行星轴承故障诊断中.利用行星齿轮箱中行星轴承故障数据验证了此方法的有效性和实用性,最终分类结果为96.43%,表明了该方法可以准确识别出行星轴承的故障类型.     

形态分量分析在滚动轴承故障诊断中的应用

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性.     

基于MCKD的轧机齿轮故障源辨识与安全性评估

轧机齿轮箱是轧钢生产线的关键设备,生产线的运行安全很大程度上取决于齿轮传动系统的运行状态。由于轧钢设备的结构复杂,导致系统内部振源数量众多,齿轮振动信号会受到很强的噪声干扰。在齿轮箱的故障诊断研究中,如何滤除观测信号中的噪声和干扰成分,尽最大可能恢复故障源的特征信息,历来都是研究的热点和难点问题。本文引入最大相关峭度反卷积算法(MCKD)算法,以高线轧机齿轮箱为研究对象,力图解决强噪声环境下故障源信息的分离与提取问题。分析结果表明,故障信号经MCKD处理后,故障源的冲击特征得以增强,为齿轮箱的安全性评估提供了重要依据。     

基追踪在齿轮损伤识别中的应用

针对齿轮的振动特点,设计了复合过完备时频字典,利用基追踪方法在匹配信号特征结构、直接提取特征信息方面的优势分析了齿轮箱的现场测试振动信号.根据基追踪分解结果,在时频联合域内提取了齿轮局部损伤的周期性冲击特征,识别了齿轮点蚀缺陷.与短时Fourier变换和小波变换等时频分析方法进行了对比分析,验证了基追踪检测齿轮损伤的有效性.     

无缝厂F2减速机齿轮箱故障分析与诊断方法的研究

根据鞍钢无缝厂减速机齿轮箱故障的诊断实例,利用CSI2130双通道振动分析仪对减速机振动数据进行采集,运用振动理论对异常振动信号进行了幅域和频域分析,发现齿轮箱异常振动的故障信号,找出齿轮箱振值超标的根本原因,为现场提早维修做好准备。最具意义的是,清楚了生产实际中齿轮故障模式及故障机理与理论学术研究结论的差异,阐述了齿轮振动的精密诊断是对现场齿轮故障诊断行之有效的方法。     

基于高阶同步压缩变换的行星齿轮箱声音信号共振频带特征提取

建立了非平稳运行工况下行星齿轮箱共振频带内的声音信号解析模型,揭示了齿轮故障特征在声音信号共振频带内的分布规律。根据共振频率不随转速变化的特点定位了齿轮箱共振频率,为在共振频带内提取齿轮故障特征奠定基础。针对传统时频分析方法时频分辨率低的缺陷,研究了基于高阶同步压缩变换的时变故障特征提取方法。通过数值仿真和实验信号分析,验证了所提出的声音信号模型与行星齿轮箱故障特征分布规律的正确性,以及利用高阶同步压缩变换方法提取共振频带内行星齿轮箱故障特征的有效性。      

典型齿轮箱故障振动特征与诊断策略研究

通过实验准确地提取各种典型故障的特征，对齿轮箱中的齿形误差、箱体共振、断齿、轴严重不平衡、轴承疲劳剥落和点蚀几种典型故障进行分析，总结其振动信号的时频域特征，为齿轮箱建立智能诊断系统的研制打下良好的基础。     

基于空洞卷积神经网络与注意力机制GRU的滚动轴承故障诊断

针对传统故障诊断方法需要人工提取特征的不足,以及大数据下滚动轴承故障振动信号自适应特征提取与智能诊断问题,利用空洞卷积神经网络(DCNN)可以在不增加计算量的基础上兼顾不同尺度空间特征的能力、门控循环单元(GRU)善于从动态变化的序列数据中学习到时间上的关联性的能力,提出了一种将DCNN、注意力机制和GRU多路径融合的端到端故障诊断方法。首先利用DCNN从原始数据中自动提取时序信号特征,然后将注意力机制(Attention)的GRU通路和DCNN通路进行融合,最后将提取到的特征融合之后送入分类层进行分类。试验结果表明,所提方法的诊断准确率平均为98.75%,高于比较方法,更加适用于滚动轴承故障诊断。     

基于灰度击中击不中变换的故障特征提取方法

提出了一种应用灰度击中击不中变换提取故障特征的方法.从待分析信号中指定若干个目标波形,由此计算得出击中击不中结构元素对,在每个采样点位置进行模式匹配,具有故障特征的波形段将具有较高的输出.应用于制氧厂驱动电机的碰摩信号和转子试验台的冲击信号,成功提取出削波特征和冲击特征.该方法与人工分析信号的思路接近,算法容易理解,可以作为从时域波形直接提取故障特征的一种有效方法.     

改进的谱相关分析方法及其在故障诊断中的应用

提出一种基于峭度能量的谱相关分析方法.它利用每个循环频率切片的峭度值来衡量该循环频率的调制能力,并以此作为加权因子进行循环频率的能量累积,最终实现故障特征的有效提取.相对于传统的谱相关分析方法,本文方法降低了信号中多倍频谐波对故障特征频率的干扰,能更清晰准确地提取出故障频率特征.利用传统的谱相关分析方法、本文方法和共振解调三种方法对仿真信号、低速重载试验台的滚动轴承外圈故障信号进行分析,证明了本文方法的有效性.     

基于EMD的复合故障诊断方法

针对转子不平衡故障和滚动轴承微弱损伤性故障的复合故障诊断问题,提出了一种基于经验模式分解的故障诊断方法,进行复合故障的耦合特征分离和轴承损伤性故障信号特征提取研究.该方法首先通过经验模式分解将复合信号分解为若干个本征模函数(intrinsic mode function,IMF);然后通过计算各IMF与原始复合信号的相关系数确定包含故障特征信息的主要成分,除去虚假分量;最后针对主要成分中的低频成分进行频谱分析提出转子故障特征,针对主要成分中的高频成分进行Hilbert包络解调提取调制故障特征,即轴承损伤性故障特征.仿真及实验结果表明该方法的有效性和实用性.     

基于自适应数字滤波的旋转机械动平衡边缘计算

为了提高机械设备不平衡故障的判断准确率,针对目前振动信号检测分析计算均在服务器云平台进行的现状,设计一种在边缘计算端实现的方式.通过自适应数字滤波方法分析出旋转机械不平衡故障,利用中心频率自适应带通数字滤波器实现噪声去除,并且将算法固化到嵌入式单片机上.通过中心频率带通滤波器,利用数字化滤波器传递函数,对采集的信号数据...     

基于频谱分析方法的微型电机故障检测

振动响应测量在电机的缺陷检测中是十分重要和有效的技术。当电机发生故障而产生撞击时。产生短期脉冲,使转子轴承系统发生激振。利用时域和频域两种振动测量方法可对电机进行状态监测,即对振动信号进行频谱分析。因此,设计了电机故障检测实验台,进行了基于频谱分析方法的电机故障检测,正确诊断出电机故障。对旋转机械振动检测和故障分析有借鉴和参考作用。     

旋转机械相对时相的提取及其在诊断中的应用

通过对旋转机械相位信息的研究，提出从倍频相位中提取相对时相作为诊断特征量，讨论了相对时相所包含的故障信息及在不同故障种类中的表征，经实例证明，相对时相在旋转机械故障诊断中有较大的实用价值。     

特钢棒材标记方案设计与信息码识别

为了解决特钢棒材信息跟踪的问题,提高生产智能化水平,搭建了基于机器视觉的特钢棒材端面信息码识别系统。根据车间环境和特钢棒材端面特征,提出了水平双标志点的标记方案,并针对该标记方案提出了一种信息码图像识别方法。该识别方法提取了字符二值图像灰度共生矩阵与区域连通域面积两组特征,建立特征模板库,利用特征模板库对特钢棒材端面信息码进行识别。结果表明,基于水平双标志点的标记方案能够满足特钢棒材身份标记需求,信息码图像识别方法可有效解决特钢棒材端面信息码的自动识别问题,提高钢厂自动化和智能化水平。