某品牌汽车变速箱故障分析研究

变速箱结构复杂,维修技术要求高。一旦产生故障,故障维修较为麻烦。在汽车变速箱维修工作开展过程中,需要对故障产生的原因进行分析,然后通过故障检测与诊断,确定故障点,展开相应的维修,保障变速箱维修的质量与水平。本文以大众汽车为例,针对变速箱维修展开分析与研究,首先阐述了大众汽车变速箱的组成,然后分析了变速箱的故障原因,并提出了相关的维修对策。     

汽车变速箱常见故障及分析

概述了汽车变速箱的原理及其故障原因,归纳分析了变速箱齿轮、轴承、轴的失效形式,对其处理方法进行了简要的介绍,用以减少变速箱的故障,提高变速箱的使用维护水平.     

变速箱脱挡故障分析

介绍了大同DC6J65T变速箱四挡脱挡故障分析过程,从现场进行故障确认故障形态、故障件检测、故障变速箱在台架进行故障再现,通过对故障现象及脱挡原理进行系统分析,得出引起变速箱脱挡的原因,针对性采取措施,并在台架进行措施验证,最终解决脱挡故障。     

基于动态学习率与BP神经网络的变速箱故障诊断研究

变速箱是汽车传动系的重要组成部分,因此对变速箱常见故障类型进行诊断研究很有必要。以四种变速箱常见故障类型为研究对象,利用动态学习率对BP神经网络进行改良,建立了变速箱故障诊断网络模型。通过测量并提取已发生故障的信号特征参数,收集大量信息数据作为已知样本来训练某状态下的神经网络,再用其它转速下变速箱故障数据对网络进行验证。对于学习率的恰当改变可以提升网络的速度和稳态性。诊断结果表明,网络模型通过对已知故障数据样本的学习,实现了对变速箱未知故障的诊断。     

基于旋转机组变速箱齿轮故障诊断方法

针对旋转机组变速箱齿轮出现的故障问题,提出了一种适用于各旋转机组齿轮故障诊断的方法。建立变速箱齿轮故障数据库,确定变速箱齿轮的等级参数,分析影响变速箱齿轮故障的外在因素,并建立变速箱齿轮故障率公式,确定齿轮箱的综合故障率,且不断更新各影响因子。最后,通过实例分析所提方法的可行性与有效性,以期为旋转机组变速箱齿轮故障诊断提供参考。     

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。     

大功率拖拉机挡位故障的解决方案

拖拉机变速箱装配不到位、用户错误的挂接挡位及变速箱内齿轮长时间磨损都会引起挡位故障。文中介绍了变速箱装配的工艺解决方案及发生挡位故障后的解决措施。     

汽车变速箱的发展及常见换挡故障原因分析

本文简述了目前汽车变速箱在国内外发展状况,并结合自身工作经验,重点对导致客车变速箱换挡故障的各种内部因素进行了解析,提出排查问题的方法,用以减少变速箱的故障,提高其使用维护水平。     

基于小波分析的变速箱滚动轴承故障诊断方法的研究

利用小波分析技术将滚动轴承故障振动信号分解到时－频空间,定义了滚动轴承故障振动信号能量分布函数Ｓ（ｔ） ,提出了能量分布函数Ｓ（ｔ） 细化谱诊断变速箱滚动轴承故障的分析方法。在某自行火炮的变速箱上进行了一系列滚动轴承故障诊断实验,实验结果验证了能量分布函数Ｓ（ｔ） 细化谱诊断变速箱滚动轴承故障的有效性     

履带车辆变速箱的T-S模糊故障树可靠性分析

针对履带车辆变速箱的故障原因等存在较难获得大量数据的问题,提出了基于T-S模糊故障树分析方法,对变速箱构建T-S模糊故障树,分析过程中采取底事件的模糊效率替代为其故障概率的方法,再将其故障程度用模糊数来表示,对变速箱关重件T-S模糊故障树进行实例分析,计算并分析变速箱T-S模糊故障树,对底事件进行重要度分析,并给出故障排查意见。     

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.     

基于自混合干涉的齿轮箱故障诊断技术

将激光自混合干涉（SMI）技术用于齿轮箱的故障检测,设计出一种新的齿轮箱故障检测传感器。采用QL65D5SA型半导体激光自混合传感器、冯哈勃2342l012CR空心杯减速电机自带的行星齿轮箱,搭建了行星齿轮箱故障SMI检测系统,并对行星轮Z1做断齿故障实验。通过对时域波形的分析,可以找到额定转频下的12个冲击点;通过对齿轮箱故障信号傅里叶频谱的分析,发现故障齿轮的啮合频率周围出现与故障齿轮特征频率和行星架转频呈整数倍关系的边带,且啮合频率处的波形幅值明显增大,这些都与齿轮副的理论振动模型相符合。     

基于多重分形与SVM的齿轮箱故障诊断研究

针对齿轮箱振动信号的非平稳性和非线性,提出一种多重分形和支持向量机相结合的故障诊断方法。运用多重分形理论方法对齿轮振动信号进行分析,通过分析发现多重分形谱和广义维数作为故障特征能够很好地反映齿轮箱的工作状态;对支持向量机的参数利用粒子群优化算法进行优化,并将齿轮箱振动信号的多重分形特征量作为支持向量机的输入参数以识别齿轮的故障类型。实验结果表明,该方法在样本较小的情况下能够准确对齿轮箱的故障类型进行分类。     

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。     

基于注意力机制的一维卷积神经网络行星齿轮箱故障诊断

针对行星齿轮箱故障信号成分复杂和时变性强的特点,提出了基于注意力机制的一维卷积神经网络(１D-CNN )行星齿轮箱故障诊断方法.首先,将行星齿轮箱各类故障状态的原始振动信号进行分段处理,作为模型的输入;其次,利用一维卷积神经网络对行星齿轮箱的原始振动信号学习齿轮故障特征,结合注意力机制( AM )对特征序列自适应的赋予不同的权重,增强故障特征信息;最后,利用 Softmax 分类器实现行星齿轮箱的故障诊断.通过故障实验验证以及与其他模型的对比,该故障诊断模型具有较强的学习能力,诊断性能优于其他的深度学习模型,有较好的工程实际意义.     

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...     

基于非平稳时间序列双标度指数特征的齿轮箱故障诊断

齿轮箱振动信号是含噪的多分量非平稳信号,故障模式相近的复杂齿轮箱振动信号的分类是齿轮箱故障诊断的难点。采用去趋势波动分析(Detrended fluctuation analysis,DFA)方法分析齿轮箱振动信号的标度行为,随着时间尺度的增大,标度指数会突然发生改变,形成双标度指数特征,由双标度指数构成的二维矢量具有明确的物理意义,可以作为表征时间序列内部动力学机制的特征参数。提出一种基于非平稳时间序列双标度指数特征的齿轮箱故障诊断方法,对正常状态和含有轻度磨损、中度磨损和断齿故障的齿轮箱故障诊断的结果表明,提出的方法成功地解决了故障模式相近的复杂齿轮箱振动信号的分类问题,很好地克服了傅里叶变换、小波变换和基于单标度指数的方法存在的缺陷,为齿轮箱的故障诊断提供了一种新的方法。     

基于深度残差收缩网络的风力发电机齿轮箱故障诊断

提出了一种基于深度残差收缩网络的风力发电机齿轮箱故障诊断方法。首先，通过齿轮箱动力学模拟实验平台采集9种工况下的8种故障的振动信号；其次，对所采集的信号进行数据预处理，将其输入至深度残差收缩网络中训练；最后，利用反向传播算法不断优化网络参数，实现变工况下风力发电机齿轮箱故障的识别与分类。实验结果表明，所提方法在变工况场景下，可有效提取齿轮箱的故障特征并具有较高的识别准确率，证明了其在风力发电机齿轮箱故障诊断方面的可行性及有效性。     

基于改进多元多尺度色散熵的齿轮箱多通道振动信号故障诊断

齿轮箱发生故障时,其振动信号具有不平稳和非线性等特征,而常用的齿轮箱故障诊断方法大多是建立在单通道振动信号分析基础上,容易造成故障信息丢失,故而在工业生产中实用性受限。为了克服此缺陷,将多元多尺度色散熵引入到齿轮箱故障诊断当中,并改进其粗粒化方式,提出了改进多元多尺度色散熵,用以提取齿轮箱多通道振动信号的故障信息。在此基础上,提出一种基于集合经验模态分解,改进多元多尺度色散熵和遗传算法优化支持向量机的齿轮箱故障诊断方法。通过实验数据分析,并与多元多尺度样本熵、多元多尺度模糊熵等现有方法相比较,证明该方法具有更高的准确率和稳定性,且在处理短时间序列时具有明显优势。