基于系统模型的齿轮箱故障诊断

用时间序列和神经网络相结合的方法,建立振动信号的时间序列模型,作为齿轮箱系统模型。分析模型特性,提取齿轮箱故障的特征参数,然后以此建立相应的神经网络,识别齿轮箱的运行故障。结果表明该方法能很大地提高诊断的准确性。     

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。     

基于时间序列统计语言分析的齿轮箱状态监测

齿轮箱故障信号通常具有非平稳和非线性特性,基于平稳线性理论的时域统计参数方法难以有效地监测齿轮箱的运行状态。为了解决这个问题,采用时间序列统计语言分析方法来处理齿轮箱振动信号,提出了基于时间序列统计语言分析的齿轮箱状态监测方法。该方法首先将原始序列映射为一个单词频次序列,接着利用单词频次序列之间的相关系数来检测齿轮箱运行状态的变化。利用一组包含不同齿轮箱状态的振动数据对该方法的性能进行了验证,结果表明,提出的方法不但能够有效地区分不同的齿轮箱状态,而且能够准确反映齿轮箱运行状态的自然演化过程,与传统的时域统计参数方法相比具有明显的优势。     

基于多重分形去趋势互相关分析的齿轮箱故障诊断

多重分形去趋势波动分析(Multifractal Detrended Fluctuation Analysis,MFDFA)算法只能处理一维时间序列,当采用MFDFA算法分析复杂的齿轮箱故障信号时,其分析结果容易受到信号噪声及其它因素的干扰。解决这个问题的有效方法是采用多维数据分析方法,为此本文采用多重分形去趋势互相关分析(Multifractal Detrended Cross-correlation Analysis,MF-DCCA)算法来分析齿轮箱振动信号,提出了基于MF-DCCA算法的齿轮箱故障诊断方法。该方法首先计算二维振动信号的互相关函数,然后再分析互相关函数的多重分形特征。将本文所提出的方法用于分析实际齿轮箱的振动信号,结果表明该方法能够区分相近的齿轮箱故障模式,在齿轮箱故障诊断中取得了良好的效果,与基于MFDFA算法的方法相比具有明显的优势。     

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.     

基于小波域平稳子空间分析的风力发电机齿轮箱故障诊断

风力发电机齿轮箱故障信号为非平稳瞬态微弱信号,容易被齿轮啮合信号及其他噪声淹没。提出一种融合连续小波变换(Continuous wavdot transform,CWT)和平稳子空间分析(Startionary subspace analysis,SSA)的信号分解方法并应用于风力发电机齿轮箱故障诊断中。平稳子空间分析作为一种盲源分离技术可将高维数据分解成平稳源部分和非平稳源部分,对待分析信号各分量间的独立性没有要求且不需要任何先验信息。连续小波变换则可利用其所具有的多尺度分析特性把一维时间序列转换为不同尺度下的多维时间序列。对观测得到的一维时间序列数据进行连续小波变换得到多维时间序列作为平稳子空间分析的输入,利用平稳子空间分析方法将该多维时间序列分解为平稳源信号分量和非平稳源信号分量,对非平稳源信号进行包络谱分析得到齿轮箱故障的特征频率。该小波域平稳子空间分析方法被应用于一个实际风力发电机齿轮箱振动信号的分析,试验结果表明该方法可有效地诊断出齿轮箱中的轴承故障。     

多传感器数据融合的风电齿轮箱性能衰退评估

针对风电齿轮箱传动结构复杂、所处工况恶劣,难以提取有效振动信号特征进行性能衰退分析的问题,提出多传感器数据融合的风电齿轮箱性能衰退评估方法。该方法将自适应完全集合经验模态分解(CEEM-DAN)、核主分量分析(KPCA)和Hotelling T2统计量相结合,先对风电齿轮箱全寿命的非线性、非平稳振动信号进行CEEMDAN-KPCA降噪处理,再利用KPCA对降噪后的多组振动信号进行融合分析,提取连续的T2值(C-T2)及其时域特征作为评估指标,建立风电齿轮箱性能衰退模型。实验结果表明,该方法对风电齿轮箱振动信号降噪效果显著,C-T2特征有效解决了多组振动信号特征维数膨胀问题,且C-T2时域特征模型比振动信号时域特征模型能更准确地评估风电齿轮箱性能的衰退过程。     

基于扭转振动信号的行星齿轮箱齿根裂纹故障动力学仿真

基于振动的分析方法在行星齿轮箱齿根裂纹故障诊断中得到了广泛的应用.与传统的横向振动信号相比,扭转振动信号理论上不受时变传递路径的调制影响;其频率成分简单,易于提取故障特征.对动力学模型中提取的扭转振动信号进行分析,实现了齿根裂纹故障诊断.建立了健康行星齿轮箱的刚柔耦合模型并进行了验证;基于健康行星齿轮箱的模型,建立了3种构件的裂纹故障模型,提取了故障行星齿轮箱的动态响应信号;通过分析横向振动信号和扭转振动信号来诊断齿根裂纹故障.结果表明,采用扭转振动信号诊断行星齿轮箱轮齿裂纹故障是可行的,其相比传统的横向振动信号更具优越性.     

基于关联距离熵的齿轮箱故障诊断

将非线性时间序列的局部投影消噪算法引入到故障诊断领域中,并应用改进的局部投影算法对齿轮箱箱体表面振动信号进行消噪,最后通过计算关联距离熵来进行齿轮箱故障诊断,实验证明,该方法能达到很好的诊断效果.     

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。     

基于振动相对量法的齿轮敲击振动辨识

整车转毂振动测试中测得的手动变速器箱体振动信号包含了多种部件的振动信号,传统方法无法从测试信号中直接获取齿轮敲击振动信号,故无法定量评价齿轮敲击振动水平。本文提出了运用敲击振动相对量来辨识齿轮敲击振动的方法。该方法首先对箱体振动信号进行人耳特性滤波,然后进行回归和平滑处理获得稳态振动信号。将滤波后的振动信号减去稳态振动信号,得到的振动相对量即为非承载齿轮对的瞬态敲击振动信号,最终可辨识出齿轮敲击振动的发生时刻、频率范围和水平。在实车试验中,采用该方法在3.5s的测试时间内,识别出振动相对量最大的134个齿轮敲击振动信号,其发生时刻与敲击振动信号回放得到的134个敲击噪声发生时刻完全相同,辨识结果与人的主观感受一致,即准确辨识出了齿轮敲击振动。得到的辨识结果可用于定量评价齿轮敲击振动水平,校核理论模型的正确性,研究不同参数对齿轮敲击振动水平的影响规律,找出关键影响因素并优化处理,从而改善齿轮敲击性能。     

分形在齿轮磨损监测中的应用

将分形理论用于齿轮磨损的监测,从工程应用角度介绍了振动信号盒维数的计算方法。通过对齿轮振动信号分形维数的计算,揭示了分形维数与信号复杂程度之间的内在联系。结果表明:随齿轮磨损的增加,齿轮振动信号盒维数呈下降趋势,运用振动信号的分形维数特征可有效实现齿轮磨损监测。     

基于小波分析的齿轮箱振动信号消噪处理

基于小波变换具有良好时频分析的特点,介绍了小波变换用于去除噪声的原理和方法,建立齿轮箱齿轮人工点蚀故障模拟实验台,通过Matlab对故障振动信号进行小波分析,并且和没有经过信号消噪就进行小波分解进行对比,从而得出对含噪声的非平稳信号进行消噪,再进行小波分解可以较好的提取齿轮点蚀故障特征频率的结论。     

增压鼓风机增速箱振动故障的频谱分析

根据离线采集的振动信号,应用状态监测与故障诊断的频谱分析技术,诊断增压鼓风机增速箱振动增大的原因,并通过检查验证了诊断结论.     

基于振动信号的齿轮箱故障诊断

主齿轮箱是某船重要动力设备,需要对其进行经常性监测。测量了某船1#和2#主齿轮箱的振动加速度信号,比较了两齿轮箱振动信号的时间历程曲线和频谱,发现2#齿轮箱频谱最大幅值约为1#齿轮箱的2.5倍,而且该谱值对应的频率接近于啮合频率。在啮合频率附近对所测信号进行了带通滤波,对滤波后的窄带信号进行了Hilbert变换,得到了该窄带信号的包络。两齿轮箱的包络信号差异明显,1#齿轮箱包络信号的频谱频率成分丰富,而2#齿轮箱包络信号的频谱具有突出的单一频率成分。结果表明2#齿轮箱存在轻微的故障。而油液分析的结果也表明,2#齿轮箱的磨损大于1#齿轮箱,说明了采用的振动分析方法的合理性。     

离心泵机组齿轮箱振动分析和故障诊断

利用状态监测与故障诊断技术对离心泵机组齿轮箱轴向振动进行分析和诊断,在测试、分析的基础上,结合轴向振动机理,找出了齿轮箱轴向振动超标的原因,提出了相应的改造措施,机组改造后振动有较大幅度地降低,符合国家标准.     

离心鼓风机振动故障测试分析

通过对D1500离心式鼓风机组增速箱振动的测试分析,找出了引起联轴器频繁损坏的原因,经过调整,保证了机组安全运行;同时还对引起增速机齿轮固有频率产生强烈振动的原因进行了分析。     

基于优化解调与频谱校正技术的变速箱故障振动特征提取

结合疲劳寿命试验的过程对某变速箱故障展开研究.利用基于复解析带通滤波器的优化解调与离散频谱比值校正技术,对变速箱振动信号进行频谱分析.提取了齿形误差、轴不对中、轴承疲劳剥落和点蚀等典型故障特征.     

基于模糊分析的蜗杆传动的可靠性优化设计

运用可靠性设计理论、模糊分析原理及最优化设计技术,考虑全部约束条件的离散性和模糊性及影响蜗杆传动种种因素的模糊性,建立了基于模糊分析的蜗杆传动的可靠性优化设计数学模型,最后给出了优化方法和结果分析。     

基于扭振信号的齿轮故障诊断研究

在分析了齿轮啮合扭振的基础上提出了利用轴系扭振信号进行齿轮诊断的方法,度验结果表明扭振信号受环境噪声影响小,对故障敏感,作为齿轮早期故障诊断信息来源的扭振信号优于传统的箱体振动信号,还介绍了一种适用于状态监测的扭振测试方法。