基于阶次双谱的齿轮箱升降速过程故障诊断研究

针对齿轮箱升降速过程中振动信号非平稳的特点，将常规的阶次分析与双谱分析技术相结合，提出了基于阶次双谱的齿轮箱故障诊断方法。首先对齿轮箱升降速瞬态信号进行时域采样，再对时域信号进行等角度重采样，转化为角域平稳信号，最后对角域重采样信号进行双谱分析，就可提取轴承的故障特征。通过对轴承内圈故障实验信号的分析表明，该方法能有效地识别轴承的故障。     

瞬时频率估计的齿轮箱升降速信号阶次跟踪

提出了基于瞬时频率估计的齿轮箱升降速信号阶次跟踪的新方法。首先对振动信号进行经验模态分解得到信号的固有模态函数，再求各个固有模态函数的Hilbert变换，得到信号的瞬时频率，从而直接从振动信号得到参考轴的转速信号，然后根据参考轴的转速信号对时域振动信号进行等角度重采样，最后对重采样信号进行阶次分析。通过仿真信号和对齿轮磨损故障实验信号的分析，表明该方法能有效地诊断齿轮的故障。     

基于FastICA的阶次倒谱分析在齿轮箱故障诊断中的应用研究

声测法作为一种非接触测量,应用于齿轮箱故障诊断时有着极大优势,但由于声信号易受到环境干扰从而影响诊断精度。将FastICA与阶次倒谱相结合,提出了一种基于FastICA的阶次倒谱方法。首先对瞬态声信号运用FastICA算法进行分离处理,分离出包含故障信息的有用源信号,然后对估计的源信号进行角域重采样,得到角域伪稳态信号,再通过倒谱分析得到基于FastICA的阶次倒谱,最终可得到故障的特征参量。应用于齿轮箱瞬态过程中的故障声信号分析,增强了信噪比,找到了故障特征,提高了齿轮箱声测故障诊断的精度。     

基于阶次分析的非平稳工况下风力发电机组齿轮箱故障诊断

齿轮箱是风力发电机组的关键传动部件,长期承受复杂的非平稳负载,容易出现裂纹、断齿、磨损等齿轮故障,造成安全事故及经济损失,对其进行故障诊断意义重大。针对传统的频谱分析方法无法满足非平稳工况下风电机组齿轮箱故障诊断的问题,利用阶次分析的方法对齿轮箱进行了故障诊断研究。分析了阶次分析方法的基本原理,推导并总结了齿轮箱特征阶次,最后,利用阶次分析方法对真实风场数据进行分析,准确识别了齿轮箱中的故障。     

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。     

基于角域平均和倒阶次谱分析的齿轮箱故障诊断

本文研究旋转机械非稳态信号的分析方法。对等时间间隔采样的齿轮箱振动信号,利用插值算法实现角域重采样。为了抑制与工频无关的噪声信号以提高信噪比,对重采样信号进行了角域平均。将倒频分析引入阶次分析中,以检测出功率谱中难以辨识的周期性。以上方法成功地识别了齿根裂纹故障,说明了对旋转机械非稳态信号进行角域平均和倒阶次谱分析的可行性和有效性。     

基于阶次分析与循环平稳解调的齿轮箱复合故障诊断方法

针对变转速下的齿轮箱中复合故障的特征提取,提出了一种基于阶次分析与循环平稳解调的齿轮箱复合故障诊断方法.该方法先用线调频小波路径追踪算法从原始振动信号中提取转频信号,再根据转频信号对原始振动信号进行等角度重采样,将时域非平稳信号转化为角域周期平稳信号,最后对角域周期平稳信号进行循环平稳解调分析,根据故障特征阶次处的切片解调谱进行齿轮箱复合故障诊断.通过算法仿真和应用实例对包含齿轮局部故障和轴承局部故障的变转速齿轮箱复合故障进行了分析,分析结果表明,该方法在无转速计的情况下能有效地提取处于变转速下的齿轮箱复合故障的特征.     

小波分析在齿轮箱故障诊断中的应用

对齿轮箱故障特点和诊断方法进行了分析，介绍了小波分析方法，并以小波分析在信号分析和信号消噪处理中的应用为例，体现小波分析比传统分析方法的优越性，是故障诊断的一种有效方法。     

基于形态分量分析的变工况齿轮箱故障诊断研究

齿轮箱变工况运行时表现为转速和负载的变化,其振动信号是非线性的多分量信号,变工况齿轮箱故障诊断是研究难点。首先使用数字微分的阶次跟踪方法对原始振动信号按计算得到等角度重采样时刻插值,将非平稳的振动信号转化为角域平稳信号;然后使用形态分量分析(MCA)方法从角域信号中分离出冲击、简谐分量与噪声成分,提取齿轮箱非线性、多分量信号中的故障特征;再对冲击分量做角域平均突出故障特征,最后进行瞬时功率谱分析识别齿轮是否有故障。实验分析表明,使用此方法能根据瞬时功率谱分布的阶次和角度范围识别故障,适用于变工况下的故障齿轮检测。     

基于连续小波灰度图的变速箱故障诊断

为了诊断汽车变速箱的周期性冲击故障，利用连续小波变换灰度图分别对正常和故障汽车变速箱振动信号进行了分析。结果发现，连续小波灰度图不仅能识别变速箱的正常与故障，准确提取出周期性冲击故障信息，而且能够非常直观形象地表达出信号的细微结果，并进一步显示出故障变速箱中同时存在的两种相同频率的故障信息，从多层次、多方位观察到了分析信号的细微变化。     

利用神经网络对齿轮箱进行故障诊断的实例分析

以JZQ250型号齿轮箱为实验对象,根据实际状况下齿轮箱的故障机理和振动特点,设计了状态监测与故障诊断实验方案,采集了齿轮箱振动信号,应用MATLAB软件中自带的神经网络工具箱,编程实现了神经网络预测模型.仿真和实验证明,此模型能够有效地检测出齿轮箱的典型故障,可以用于齿轮箱的故障诊断.     

油液分析技术在齿轮箱故障诊断中的应用

齿轮箱是机械变速传动的关键部件,齿轮的故障诊断有多种方法,运用油液分析技术对齿轮箱进水故障进行诊断,并举例进行分析。     

基于倒频谱法在齿轮箱故障诊断中的应用

采用LabVIEW的虚拟仪器平台,建立数据采集系统,对齿轮全生命周期的振动信号进行在线采集。利用基于时域与频域分析法（功率谱）相结合的处理方法,对齿轮整个周期中可能出现的情况进行分析。文中主要介绍倒频谱的分析方法,对啮合频率和边频特征进行提取分析,来确定故障的性质.     

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.     

遗传小波网络在齿轮箱故障诊断中的应用

针对小波神经网络常用的反向传播算法普遍存在收敛速度慢,容易陷入局部极小点,网络参数的选取只能凭实验和经验来确定等缺点,提出了一种基于遗传算法优化的小波神经网络并应用于齿轮的故障诊断。仿真结果表明,该方法充分的发挥了遗传算法的全局寻优能力,小波分析的非线性逼近能力和神经网络的自学习特性,优化了系统的收敛速度和故障诊断的精度。     

基于Labview的齿轮箱故障诊断的细化解调分析

本文利用Labview软件强大的数学和信号分析功能,以及图形化的程序设计语言,实现了细化解调算法,并将其应用到齿轮箱的故障诊断系统中,工程实例表明了算法的正确性和有效性.     

一种基于支持向量机的齿轮箱故障诊断方法

提出了一种基于多分类支持向量机(简称MSVM)的齿轮箱故障诊断方法。先根据齿轮箱故障机理和振动特点,探讨了齿轮箱故障诊断试验方案。再测取齿轮箱振动信号,并提取了能反映齿轮箱运转信息的时频域特征参数。通过结合投票法和决策树的基本思想,有针对性地构造了多分类支持向量机决策结构并将其应用于齿轮箱故障诊断。实际齿轮箱故障诊断试验结果表明,该决策结构较好地解决了小样本学习问题,避免了人工神经网络进行诊断时出现的过学习、收敛速度慢、泛化能力弱等缺点,能有效应用于齿轮箱故障诊断。