齿轮箱故障的振动机理与故障特征研究

介绍了齿轮箱监测技术,包括齿轮箱故障诊断技术的发展状况和目前存在的问题、分析了齿轮箱故障发生的振动机理及故障特征,可以通过信号的特征信息对设备故障进行准确判断,并对典型的故障进行分类,最后针对齿轮箱振动信号给出详细的时域和频域分析,为基于网络的齿轮箱远程故障诊断系统研究打好基础。     

虚拟式齿轮箱故障诊断仪的研究与开发

通过对齿轮箱故障特征的研究,运用虚拟仪器技术研制了齿轮箱故障诊断仪.该诊断仪运用时域、频域和时频域分析等多种方法进行了齿轮箱健康状态的分析.在试验中能准确、快速地判定齿轮箱故障的部位及故障特征,检测效果好,可以应用于实际工作中.     

基于振动信号分析的齿轮箱故障诊断

对齿轮箱故障的主要特征和频率特点进行了介绍,对齿轮箱的主要组成部件齿轮、轴承、轴和箱体各自的主要故障形式和振动信号特征进行了分析,最后在建立齿轮箱故障档案的基础上分别在时域和频域对振动信号进行分析,为齿轮箱故障诊断向着智能化方向发展打下基础。     

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。     

基于近似熵的齿轮箱状态监测与故障诊断

针对齿轮箱故障诊断缺乏有效的快速算法的问题,提出了基于近似熵(Approximate Entropy,ApEn)参数的齿轮箱故障诊断方法。首先介绍了近似熵的概念和计算方法,然后利用近似熵对轻度磨损、中度磨损和断齿故障状态下的齿轮箱进行故障诊断。结果表明,近似熵参数不但能有效地对齿轮箱的故障状态进行区分,而且可以清楚地刻画齿轮箱故障状态的演变过程,因而适于作为齿轮箱故障诊断的特征参数。为齿轮箱的状态监测与故障诊断提供了一种新的方法。     

基于大数据分析技术的风电机组齿轮箱故障预警

齿轮箱的损伤和失效会直接或间接导致风电机组的故障或停机,造成重大的经济损失。为了能对齿轮箱的故障状态进行预警,本文提出了一个基于大数据分析技术的风电机组齿轮箱故障预警模型。首先利用最大互信息系数分析各工况参数与齿轮箱输出轴温度的相关性,提取主要影响因子作为具有记忆时序信息的循环神经网络的输入特征,构建正常状态下齿轮箱温度的残差分布,设置故障预警阈值,从而实现对风电机组齿轮箱故障状态预警。     

定量诊断齿轮箱故障方法的探讨

本文探讨了如何通过对齿轮箱噪声、振动谱的分析来定量诊断齿轮箱故障。在对齿轮箱故障定性判断的基础上,作者提出了通过频谱的谐波分析和倒频谱分析方法可以判断齿轮的故障程度。文中给出了诊断方法的思路与计算公式,并由试验分析得出了诊断齿轮不同程度故障的阈值。     

风力发电机故障模拟试验台装置研制

分析并设计了一种新型的风力发电机齿轮箱故障模拟试验台,可以灵活地模拟多种结构类型的风力发电机齿轮箱振动状况,并能方便地对故障进行多种组合模拟。同时采用变频电机和飞轮结构用于模拟实际风机齿轮箱的转矩输入与角速度输入,与实际风况更加接近。通过配置数据采集分析系统,用来对齿轮箱的振动状况进行监测分析。依据正交试验法模拟齿轮故障、轴承故障等实验,对风力发电机齿轮箱故障进行分析研究。     

基于LMD的包络谱特征值在齿轮箱故障诊断中的应用研究

针对齿轮箱故障振动信号大多是多分量的调幅-调频信号,而传统包络分析法又太依赖经验值选取参数的问题,对齿轮箱振动信号的分解方法、包络分析方法以及提取特征值等方面进行了研究,提出了一种基于局部均值分解(local mean de-composition,LMD)的包络谱特征值的方法。该方法首先利用局部均值分解对齿轮箱信号进行了处理,获得了包含有不同频率特征的PF(product function)分量,最后对包含有主要故障信息的第一级PF分量进行了包络分析,提取了包络谱的特征频率,以此来判别齿轮箱的工作状态和故障类型。利用齿轮箱正常状态、局部损伤、磨损故障3种齿轮箱振动信号的实例进行了验证。研究结果表明,利用LMD分解后求取包络谱特征频率的方法能够较为准确地判别齿轮箱的工作状态和故障类型。     

基于Hilbert-Huang变换时频谱特征的齿轮箱故障模式分类

针对现有的齿轮箱故障模式分类方法的缺陷,提出了一种基于Hilbert-Huang变换(HHT)时频谱特征的齿轮箱故障模式分类方法.首先通过HHT算法获得齿轮箱的故障信号时频谱图,然后依据不同故障时谱图的不同特征,成功地对齿轮箱的故障模式进行了分类.对于时频谱图相似的故障模式,可以借助有效值和峭度系数的大小来区分不同的故...     

基于频谱分析的天车主起升减速机故障诊断

介绍了频谱分析在齿轮箱故障诊断中的应用,阐述了齿轮箱故障诊断中的边频带分析方法,列举了齿轮箱的典型故障形式及故障特征频谱。     

基于多尺度排列熵的复合行星齿轮故障诊断研究

针对行星齿轮传动系统复合故障特征提取问题,以行星齿轮箱的运行状态为研究背景,建立了考虑路面随机激励下的行星齿轮箱复合故障动力学模型,利用多尺度排列熵对齿轮箱正常、断齿故障和复合故障时的振动信号进行了对比分析,通过对处于不同状态的行星齿轮箱进行分析,发现行星齿轮箱正常振动信号的多尺度排列熵值要高于单一断齿和复合断齿故障信号,熵值平均高出约5.3%,单一断齿的多尺度排列熵高于复合断齿故障信号,熵值平均高出约7.4%。研究结果证明,多尺度排列熵可以有效地诊断多排行星齿轮系统的故障类型。     

参数优化形态谱和SVM的行星齿轮箱故障诊断

针对行星齿轮箱的故障诊断问题,提出一种参数优化数学形态谱和支持向量机的行星齿轮箱故障识别方法.该方法考虑形态谱参数选择对同型故障一致性和不同故障差异性的影响,通过相对误差指标值的大小选择形态谱最优参数,对形态谱参数进行优化选择,提取故障特征,并采用支持向量机完成行星齿轮箱故障的故障识别.相较传统行星齿轮箱故障诊断而言,该方法对形态谱参数进行了定量分析,且无需复杂数学建模,和频率成分分析,简化故障识别过程.为了验证该方法的有效性,对行星齿轮箱试验台信号进行了分析实验,结果表明了该方法可有效地识别齿轮故障类型.     

基于LMD能量熵和支持向量机的齿轮箱故障诊断

针对小样本情况下齿轮箱复合多种故障特征难以提取和分类的问题,提出了基于局部均值分解（LMD）能量熵和支持向量机（SVM）的故障诊断方法。首先利用LMD方法对采集的齿轮箱振动信号进行分解,得到有限个PF分量;然后根据不同故障下齿轮箱振动信号在频域区间内分布不均的特性,分析出PF分量能量在不同频域范围离散情况,即求出LMD能量熵;最后利用SVM多故障分类器对提取出的特征展开训练和测试,进行齿轮箱故障分类。实验结果显示,即使在小样本情况下,且同时存在非单一、多种齿轮箱故障时,基于LMD能量熵和SVM方法也可以对齿轮箱故障进行特征提取和精准分类,实现齿轮箱故障诊断。     

采煤机摇臂齿轮箱故障诊断探析

摇臂齿轮箱作为采煤机的重要组成构件,由于受到多方因素的影响,极易出现各种类型的故障,严重制约了采煤机的正常使用。基于此,主要从采煤机摇臂齿轮箱结构分析入手,探究采煤机摇臂齿轮箱故障常用的诊断方法,利用振动分析法对齿轮箱的异常振动故障原因进行分析,并针对性地提出了降低采煤机摇臂齿轮箱故障的相关措施,以供借鉴。     

齿轮箱中齿轮故障的振动分析与诊断

首先建立了齿轮箱中轴承无故障、齿轮有故障时齿轮箱振动信号的理论模型,介绍了齿轮箱中齿轮故障诊断的高频共振方法,阐述了该诊断方法的信号处理和诊断流程,并对该诊断方法的使用效果进行了实际验证.应用结果表明,该诊断方法能有效地诊断齿轮箱中齿轮的局部损伤故障.     

船舶主推进齿轮箱故障判断研究

本文首先简要阐述了船舶主推进齿轮箱的基本原理,然后着重分析了船舶主推进齿轮箱的主要故障,其中包括齿轮箱故障现状、油温较高的原因,如,轴承发热较差、冷却效果不好、油泵内泄较大、恒温阀异常,最后根据具体故障,提出了相应的改进措施,以此确保船舶主推进齿轮箱达到良好的应用效果,以供参考。     

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.     

小波包与改进BP神经网络相结合的齿轮箱故障识别

应用小波包分解技术提取齿轮箱振动信号中的故障特征向量,并以此作为改进BP神经网络的输入,对神经网络进行训练,建立了齿轮箱运行状态分类器,用以识别齿轮箱的运行状态。试验结果表明,小波包分解与神经网络相结合的齿轮箱齿轮故障识别方法是可靠的,可以准确识别齿轮箱的故障。     

基于形态分量分析与能量算子解调的齿轮箱复合故障诊断方法

针对齿轮箱复合故障的故障特征分离,提出了一种基于形态分量分析与能量算子解调的齿轮箱复合故障诊断方法。该方法先根据振动信号中各组成成分形态的差异,采用形态分量分析方法构建不同形态的稀疏表示字典进行故障成分分离,将齿轮箱复合故障信号分解为包含齿轮故障信息的谐振分量、包含轴承故障信息的冲击分量和噪声分量,然后分别对谐振分量和冲击分量进行能量算子解调分析,最后根据各解调谱诊断齿轮和轴承故障。算法仿真和应用实例表明该方法能有效地分离齿轮箱复合故障振动信号中齿轮与轴承的故障特征。