采煤机摇臂齿轮箱振动信号及故障类型分析

采煤机的摇臂齿轮箱是经常发生故障的典型部件。针对该部件的故障现象,分析研究了齿轮振动机理,以及由齿轮各种失效导致的齿轮振动信号调制原理,同时介绍了齿轮及滚动轴承不同失效形式引起的各种故障类型,进而为确定故障位置以及故障形式提供了理论依据,从而能够预知引起振动信号变化的故障因素,预防事故的发生,提高摇臂齿轮箱工作的可靠性,进一步提高采煤机工作效率和产量。     

采煤机摇臂齿轮箱故障诊断研究现状及展望

摇臂齿轮箱是采煤机核心动力传递机构,其可靠性对煤炭高效生产具有重要意义。文章对采煤机摇臂齿轮箱故障机理及故障诊断方法进行综述。首先,归纳了摇臂齿轮箱轴承和齿轮在不同故障状态下的故障机理。其次,剖析了现有采煤机故障诊断技术存在的主要问题。最后,指出了未来应致力于精确故障机理、复合故障分析、微弱故障识别、基础数据收集、算法融合创新和多源信息利用等方面的研究,为摇臂齿轮箱故障诊断提供参考。     

采煤机截割摇臂传动故障分析

截割部摇臂齿轮箱是采煤机的动力传递装置,从安装方式、受力、工作环境等方面分析了其易产生故障的原因,并对摇臂齿轮箱齿轮和轴承破坏形式进行了分析,为有效排除采煤机故障提供了参考。     

采煤机摇臂齿轮轴结构特性分析

摇臂齿轮箱是采煤机经常发生故障的设备,尤其是二轴总成上的齿轮及轴承故障率最高,严重影响了整个齿轮箱的使用性能及可靠性。因此,针对采煤机摇臂齿轮箱结构的特点,对该齿轮轴进行受力分析,同时利用Solidworks软件建立了三维模型,并利用ANSYS软件对齿轮轴展开了静力学和模态分析,从结构设计、装配、检查与维修三个方面提出了提高摇臂齿轮轴结构特性的措施,为采煤机的设计以及优化改进提供了理论依据,从而达到采煤机可靠性开采的目的。     

多传感器检测技术在摇臂传动系统的应用研究

为了研究采煤机摇臂传动齿轮的故障诊断方法,采用多传感器在线检测技术,对摇臂振动信号在不同载荷状态下进行时域和频谱分析,获取边频带信号频谱特征,依据边频带特征频率下的振幅结果确定故障齿轮的转动频率。最后对频谱和时域的结果进行综合分析,锁定故障齿轮的准确位置。对某采煤机摇臂齿轮传动系统进行了振动测试与信号分析,结果表明,本振动分析方法可以实现对采煤机摇臂故障齿轮的准确定位,为复杂齿轮传动系统的故障快速定位和现场定点维修提供了方法支持。     

基于EMD能谱熵和概率神经网络的采煤机摇臂齿轮故障诊断

采煤机摇臂齿轮是采煤机故障高发区,对其进行故障诊断研究可提高摇臂可靠性,提高工效。结合摇臂工作特点,提出基于EMD能谱熵和概率神经网络的齿轮故障诊断方法,提取振动信号EMD分解的前9个IMF分量的能谱熵作为故障特征信息,并将其作为概率神经网络的输入向量进行齿轮故障的分类与识别。结果证明该方法可实现齿轮故障准确诊断,是一种有效的摇臂齿轮故障诊断方法。     

基于BP神经网络技术的采煤机齿轮箱早期故障诊断

齿轮箱既是采煤机的核心部件,也是较容易出现故障的部件,一旦发生故障会导致严重的后果。因此,在齿轮箱出现问题的早期进行故障诊断具有重要意义。采用齿轮箱振动信号的5种特征指标作为BP神经网络的输入值,以齿轮箱的正常、齿轮磨损、齿面点蚀和齿根裂纹4种状态为神经网络的输出值,通过对BP神经网络进行训练和对故障类型进行编码,可以实现利用BP神经网络对齿轮箱早期缺陷的故障诊断。从实验仿真结果可知,诊断方法具有较高的准确率,为采煤机齿轮箱的早期故障诊断提供了新的研究思路。     

基于盲源分离的采煤机摇臂轴承故障诊断方法

针对采煤机摇臂轴承故障,介绍了一种基于盲源分离算法的轴承故障识别方法。该方法采用优化滑动平均长度,以最大信噪比为目标函数对振动信号进行盲源分离,分离后的信号进一步加速度包络处理,信号特征可用于识别轴承故障。通过采煤机摇臂加载试验台进行试验验证,采集采煤机摇臂两个不同部位的振动加速度信号,运用该方法对振动信号进行处理后判别故障类型和位置。结果表明：与单纯的加速度包络法相比较,该方法处理后的信号特征更加明显,对轴承部位的识别率较高。研究结果对于采煤机摇臂的故障预测具有较好地效果,能够进一步提高采煤机在故障领域方面的智能化。     

采煤机摇臂齿轮箱振动测试与分析

通过实验台测试以及现场测试结合的方法对齿轮箱进行了振动测试。研究表明,与齿轮发生剥落状态相比,齿轮发生磨损时频率较为单一,而且幅值峰的强度也相对较低,稳定性相对较高;现场测试结果显示摇臂行星头润滑效果较差,局部范围内无法形成润滑效果,其中,在低速区齿轮的故障严重,需要进行重点监控。     

基于Hilbert变换的低速重载齿轮故障诊断研究

对齿轮运动特性进行了分析,阐述了齿轮振动信号的调制原理,指出了齿轮箱低频故障信息容易被强噪声淹没的实际问题,提出了利用Hilbert技术对低速轴齿轮故障特征进行有针对性提取的观点。实例证明,Hilbert技术是一种行之有效的齿轮低频故障特征提取技术。     

基于神经网络的齿轮箱故障诊断

煤矿机械齿轮传动系统在低速重载等恶劣工况下极易发生故障,齿轮箱部分尤为突出。因此展开对恶劣工况下的齿轮箱故障诊断研究具有重要的意义。以齿轮箱中齿轮为研究对象,通过提取与齿轮箱振动相关的故障特征,经过神经网络的学习训练实现对齿轮箱故障的分类。经检验,该诊断神经网络对齿轮箱故障有很高的辨识度。     

煤矿变压器故障分析及监控系统设计

为了确保煤矿井下供电系统的安全、可靠,分析了煤矿变压器故障及矿用变压器状态评估结构,矿用变压器常见故障主要有铁芯故障和绕组故障。基于此,设计了煤矿变压器监控系统总体架构,主要由服务器、服务器终端、监测装置和井下传感器组成,研究了系统硬件结构和软件结构。研究对煤矿的安全供电具有重要意义。     

基于SOM网络的带式输送机齿轮箱混合故障诊断研究

针对带式输送机齿轮箱故障信号成分复杂、故障识别难的问题,提出了基于自组织映射(SOM)网络的故障诊断方法。首先使用融入Shannon熵的小波降噪方法对齿轮箱振动信号进行预处理;然后利用齿轮箱不同状态的信号通过高斯混合分布模型对其参数使用最大期望算法进行估计,获得反映不同运行状态的特征向量;最后使用SOM网络对齿轮箱不同工况振动信号的特征进行分类识别,进而诊断出相应故障。结果表明:该方法可以有效地识别齿轮箱混合故障,总识别正确率达90%,其中有6种工况的识别正确率达100%。     

煤矿提升机齿轮箱振动分析

提升机作为煤矿中的重要设备,其故障率对于煤炭的安全高效生产有着极为重要的作用。在详细分析了煤矿提升机工作环境和工作特性的基础上,建立了提升机齿轮箱振动的数学模型,分析了速度和载荷变化情况下的提升机齿轮箱振动的特点,分析了变工况条件下齿轮箱故障信号的分布特征,为变工况条件下提升机齿轮箱的故障诊断提供了一定的理论基础。     

电动机故障的综合诊断

对电动机常见的断条故障、气隙偏心故障、轴承故障和转子不平衡故障,从机械和电气两方面进行诊断,介绍了它们的振动频谱特征和定子电流频谱特征。主要针对机械不平衡故障,对机械振动信号和定子电流信号进行了分析,探讨了电动机存在机械不平衡故障时,电流信号的频谱特征。     

基于迁移学习的采煤机摇臂传动故障研究

针对传统故障诊断方法无法有效识别并自动分类实际工况中采煤机摇臂传动故障多的非线性、非平稳信号,提出一种基于迁移学习的采煤机摇臂传动故障诊断模型。基于迁移学习思想,构建基于深度迁移学习的采煤机摇臂传动故障诊断模型;采用多标签分类及sigmoid函数,对模型进行改进,实现对采煤机摇臂传动复合故障的识别与分类;最后,通过仿真实验验证了改进模型性能,并对比了提出模型与传统智能故障诊断模型DCNN、SVM、LSTM、CNN在迁移任务中的分类准确率。结果表明,相较于传统智能故障诊断模型,基于深度迁移学习的采煤机摇臂传动故障诊断模型具有更高的诊断精度,且收敛速度更快,可提高采煤机摇臂传动系统的工作可靠性。     

基于LabVIEW的齿轮箱故障诊断测试系统

基于虚拟仪器LabVIEW的齿轮箱故障诊断测试系统,通过对齿轮箱振动信号的采集、处理与分析,实现对齿轮故障的诊断。介绍了系统的软、硬件功能与设计,实验表明,该系统具有很高的可靠性,可用于实验教学及现场监测。     

煤矿绞车齿轮箱故障诊断分析

对齿轮箱的几种典型故障特征进行了简要分析。通过设备的简易诊断可发现振动烈度较大的测点,然后对其进行精密频谱分析,从而找出故障部位的原因。利用该方案对某煤矿绞车齿轮箱进行了简易诊断和精密诊断,得出该齿轮箱z1齿轮出现严重磨损和点蚀故障。     

基于系统特性的齿轮箱故障诊断

将传递函数理论引入齿轮箱故障诊断,用频响函数代替传递函数进行系统分析。在单输入输出的齿轮箱实验台上做仿真实验。以主轴转矩信号为输入,箱体上采集的振动信号为输出,利用功率谱估计方法求出系统的频率特性函数。在相同实验条件下,频响函数发生改变标志着系统出现故障,认为这种故障的出现为系统失去稳定性。通过Nyquist稳定判据分析系统频响函数,如果系统不稳定,将有故障存在。