共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
潘林 《石油化工设备技术》2019,(1)
齿轮故障是齿轮箱故障的主要形式,因此对齿轮运行状态的判断分析对于降低齿轮箱故障率、预防突发性事故有着重要意义。文章主要介绍了频谱分析法在齿轮箱齿轮故障诊断中的应用,对常见齿轮故障的频谱特征进行了归纳表述,并结合应用实例对齿轮箱断齿故障进行了分析诊断。结果表明,频谱分析法能准确判断齿轮故障位置及故障的严重程度,可帮助检修人员结合实际的运行状态采取最佳的维修策略,为齿轮故障诊断提供有效途径。 相似文献
4.
5.
齿轮是传动设备中最常用的传动件,在旋转机械故障中齿轮故障大约占10%。准确诊断齿轮故障对整个设备机组的运行起着重要的作用。本文以某海上平台原油外输泵为例,阐述了频谱分析在齿轮故障诊断中的应用。 相似文献
6.
螺杆泵地面驱动装置受力复杂,振源众多,常规的振动测试对于故障的定位与诊断精确度不高。为此,开展了智能诊断方法研究。通过测点选择,采集振动信号,建立故障模式库,对各类故障的综合值进行评定,能够诊断出螺杆泵驱动装置的常见故障,正确率达87%。以大庆油田杏2-2丙16井驱动装置为例,诊断出了电机轴承和驱动装置齿轮磨损的故障,表明该方法具有较高的实用性。 相似文献
7.
顶驱齿轮箱的检测信号中包含齿轮和轴承的复合特征,具有调幅调频特性,且振动信号多级传递。采用共振稀疏分解法在拟合信号时,对于混合着齿轮振动信号的低共振分量分析能力较差。为此,提出了基于共振稀疏反褶分析的故障信号诊断方法,并引入最小熵反褶积理论。首先对所采集的齿轮箱信号进行时频域分析;然后对得到的信号进行共振稀疏分解,得到信号的高共振分量和低共振分量,并做包络分析,得到齿轮的故障特征频率;最后利用最小熵反褶积变换对低共振分量进行处理,使得低共振分量中的齿轮信号与轴承信号分离开来。分析结果表明:通过对高、低共振分量信号进行包络分析,在高共振分量的包络谱中有效地提取出了齿轮故障特征频率,提高了齿轮故障诊断的准确性。利用最小熵反褶积优化低共振分量信号后,有效地加强了齿轮箱轴承工作过程中的冲击信号,排除了信号分解后齿轮高共振分量混入低共振分量中而导致的干扰,解决了传统诊断方法只能拟合高共振分量信号的问题。所得结论可为顶驱齿轮箱故障诊断方法的进一步发展提供参考。 相似文献
8.
9.