基于能量耗损的发动机故障诊断方法研究

针对发动机在发生故障时都伴随能量耗损变化,提出一种基于能量耗损的发动机故障诊断方法.基于发动机系统输入输出的能量分析,建立发动机系统的能量监测模型;根据输入的流量与输出的功率,建立发动机系统的能量耗损模型;根据能量耗损机制,分析发动机运动副的摩擦与振动能量耗损诊断方法,建立摩擦和振动信息与能量耗损模型.以发动机活塞磨损故障为例,从振动耗能的角度,通过对测振信号的小波分析,得到能量耗损变化,诊断出活塞的磨损状态,验证了基于能量耗损的发动机故障诊断方法是可行的.     

基于能量耗损的故障诊断信号分析方法

针对能量耗损的故障诊断方法,提出一种基于流形学采集的能量数据重构到高维空间中,利用扩散映射(Diffusion Maps)的方法提取高维能量信号中的低维流形特征,然后利用支持向量机(SVM)对提取的低维流形特征进行分类,并用分类的准确率作为算法有效性的衡量指标;同时,利用局部切空间排列(LTSA)方法对能量信号进行分析,以比较2种算法对能量信号特征的提取能力.结果表明,基于扩散映射的方法具有更好的低维特征提取效果,从而证明了该算法对于能量耗损信号分析的有效性,为实现基于能量耗损的故障诊断奠定了基础.习与支持向量机的能量耗损信号分析算法.该算法将     

应用振动峰值能量对齿轮故障的诊断

介绍峰值能量测量原理及利用振动峰值能量技术诊断齿轮故障的方法。     

基于小波包能量谱齿轮振动信号的分析与故障诊断

小波包是继小波分析之后提出的一种新型的多尺度分析方法,解决了小波分析在高频部分分辨率差的缺点,体现了比小波分析更好的处理效果.测试了齿轮传动系统在几种不同故障类型下的振动信号,利用小波包变换的分解和重构算法,有效地提取出齿轮故障特征信号,得到试验结果.通过比较时域分析、频域分析和小波包分析对齿轮振动信号进行的特征提取,...     

基于模糊理论液压系统故障诊断方法的研究

液压系统故障的确定和处理大多是根据经验来进行的。该文应用模糊综合评价理论方法，对液压系统故障进行诊断，达到可靠、高效判断液压系统故障的目的。     

一种基于深度学习理论的齿轮系统故障诊断方法

分别建立了基于快速傅里叶变换和深度置信网络的FFT-DBN模型、基于小波变换和深度卷积神经网络的WT-CNN模型以及基于希尔伯特-黄变换和深度卷积神经网络的HHT-CNN模型,通过将3种深度学习模型有机融合,进一步构建了基于深度学习理论的齿轮系统故障诊断综合评判模型。通过搭建功率封闭齿轮系统振动测试试验台,加工不同故障模式的测试齿轮副并提取其振动加速度信号作为样本,将基于深度学习理论的综合评判模型的故障识别效果与其他模型进行了对比。结果表明,基于深度学习理论的综合评判模型能够有效地辨识出多种齿轮故障;与其他模型相比,基于深度学习理论的综合评判模型的故障识别准确度更高。     

基于能量耗损的摩擦学系统状态识别方法研究

通过对摩擦学系统的能量流监测,结合状态识别方法的分析,提出了基于磨损与振动能量损耗监测方法,建立了能量损耗的机械设备状态监测框架模型。分析指出,磨损与振动都是能量耗损行为,且二者的相关性采用齿轮疲劳试验证实。研究表明,基于齿轮磨损的光谱分析的元素相对质量分数的累积相对标度和振动信号时域的均方根值的累积相对标度具有很好的相关性,这表明齿轮磨损和振动具有很好的相关性,因此摩擦学系统的状态识别与故障诊断采用能量损耗监测的方法是可行的。     

基于倍频能量与RBF、SVM的齿轮皮带系统故障诊断

为实现对不同工况下的齿轮皮带系统中不同齿轮故障的诊断与分类,将不同故障状态的齿轮和不同松紧程度的皮带组合进行多状态模拟实验,采集各种状态下的齿轮振动信号,提取具有明确物理意义的振动信号倍频能量作为特征向量,最后分别采用径向基函数(Radial Basis Function,RBF)神经网络和支持向量机(Support Vector Machine,SVM)对不同皮带张紧状态下齿轮故障进行诊断分类,并将两种方法诊断的结果进行比较。研究结果表明,振动信号的倍频能量能够较好地反映齿轮的故障特征,RBF神经网络和SVM都能有效地识别齿轮的故障类型,SVM对于齿轮皮带系统的故障诊断准确率相对更高。     

基于证据理论的齿轮故障诊断

针对传统方法在齿轮故障诊断中可靠性不高的问题,提出了基于证据理论的混合诊断算法.根据齿轮故障特征向量,采用两个并行的BP神经网络进行局部故障诊断,获得彼此独立的证据.再用证据理论对各证据进行融合,最终实现对齿轮的故障诊断.实例结果表明,该方法可充分利用各种故障的冗余和互补信息,有效地提高诊断的可信度.     

基于高阶累积量的齿轮系统故障检测与诊断

详细讨论高阶累积量(Higher order cumulants,HOC)的特点和性质,分析基于HOC理论的相关信号处理技术,以及在处理随机信号的非线性特性时独特的功能.基于HOC的振动信号分析处理技术,即双谱分析、1.5维谱分析以及双相干谱分析方法,分析了各自特点以及估计算法.在此基础上,将HOC引入到机械传动齿轮系统的故障诊断分析之中, 对系统故障特征进行提取并对故障类型进行区分.对不同大小和不同类型故障的传动系统进行试验测试,采用HOC进行特征提取识别,并对HOC理论实际应用效果作了分析评价,表明HOC是一种较理想有前途的有效方法.     

齿轮传动的摩擦学设计

运用弹流理论对齿轮传动进行了分析,提出从摩擦学角度进行齿轮传动设计的原则,为降低齿轮的磨损,提高传动效率和使用寿命提供了依据。     

S能量分布特征和SVM在齿轮故障诊断中的应用

准确提取振动信号特征,是齿轮故障诊断的关键问题。为此,提出了一种基于S变换能量分布特征和SVM的故障诊断方法。首先对齿轮故障信号进行S变换得到时频矩阵,然后利用该矩阵构建能量分布特征。最后建立SVM齿轮故障识别模型,将对应的特征样本输入到模型中进行训练和识别,以达到对齿轮故障的准确分类。将所提出的方法应用于齿轮故障检测和诊断。通过实际故障实验数据对所提方法进行了验证。结果表明,该方法能够有效地降低噪声的影响,能够准确地识别齿轮故障,具有较高的准确率和使用价值。     

基于小波包最优节点能量特征的BA-ELM齿轮故障诊断方法

针对表征齿轮故障特征信息难提取与极限学习机输入权值与隐含层节点阈值随机选取,致使齿轮故障分类模型泛化能力弱、精度差的问题,提出一种基于小波包最优节点能量特征的BA-ELM齿轮故障诊断方法。该方法首先将齿轮振动信号经过小波包分解,再利用分解所得各节点信号与原信号的相关系数选取出最优节点并计算其能量特征;其次,利用蝙蝠算法优化极限学习机的输入权值与隐含层节点阈值,建立BA-ELM的齿轮故障分类模型;最后,将所得小波包最优节点能量特征向量作为模型输入进行齿轮不同故障状态的分类识别。实验结果表明,与基于SVM和ELM的故障分类方法相比,基于小波包最优节点能量特征的BA-ELM齿轮故障诊断方法具有更高的分类精度,更强的泛化能力。     

基于小波能量法的变速箱齿轮故障诊断技术研究

利用小波包分析并结合小波包能量谱尺度图的方法,通过小波包分解利用各频带范围信号能量的改变,进行了变速箱齿轮故障的诊断。按此方法准确地识别了某汽车H型变速箱的故障。研究表明,对变速箱齿轮故障诊断是一种行之有效的方法。     

基于小波神经网络(WNN)的齿轮故障诊断

在研究齿轮故障诊断模型以及齿轮故障诊断策略的基础上,选择基于知识方法的小波神经网络方法用于齿轮故障诊断,提出了学习速率自适应调整的梯度下降法来修正小波神经网络的各个系数;最后通过实验证明,利用小波神经网络技术能够实现准确识别齿轮故障.     

VMD能量熵与随机森林相结合的齿轮故障诊断

针对齿轮故障的非线性、非稳定性特点和单个分类器在故障诊断中准确率低的问题,提出了一种基于变分模态分解(VMD)和随机森林(RF)的齿轮故障识别方法.首先,采用变分模态分解将振动信号分解成有限个本征模态函数(IMFs),并与总体平均经验模态分解对比其分解效果;其次,计算各模态函数的能量熵,将能量熵作为评判齿轮状态的标准,...     

基于LabVIEW和RMS幅值谱的齿轮故障诊断

着重介绍了齿轮故障诊断RMS幅值谱技术原理．通过应用虚拟仪器开发软件LabVIEW提取齿轮故障特征信息,实现齿轮故障诊断。     

变速行星齿轮系统故障诊断方法

针对风力发电机行星齿轮系统变速非平稳工况,且故障信号耦合调制严重、传递路径复杂、噪声污染严重等特点,提出了基于阶次包络分析的故障诊断方法,详细阐述了方法原理和实现流程。通过对变速工况下的仿真加速度信号进行阶次包络分析,对比行星轮、太阳轮以及齿圈出现故障后与正常齿轮系统的阶次包络谱结构特性,总结了不同部件故障的特征阶次。在此基础上,通过对变速行星齿轮系统试验信号的分析表明:阶次包络分析方法能较好地抑制噪声干扰,反映故障特征清楚,且故障特征能作为变转速时行星齿轮系统故障诊断和定位的依据。     

基于MCSA的齿轮传动系统故障检测仪设计分析

基于电机电流特征分析（Motor Current Signature Analysis,MCSA）的齿轮故障诊断技术,以电机定子电流为切入点,可以检测机器以及电机中的机械故障和电气异常,对系统不会造成任何干扰。同时,基于单片机构进行故障检测设计,结合频段和功率谱密度（Power Spectral Density,PSD）数据判断齿轮故障。     

基于小波包和Teager能量算子的齿轮故障诊断研究

齿轮箱故障振动信号通常是非平稳的,为了有效的提取故障信号的特征参数,提出了基于小波包降噪和非线性Teager能量算子的信号特征参数提取方法。利用构造的噪声信号仿真研究了此方法用于信号特征参数提取的可行性,并将此方法成功应用于齿轮偏心的齿轮箱故障诊断,证明了该方法提取齿轮故障齿轮箱振动信号特征参数的有效性。