形态分量分析在齿轮箱复合故障诊断中的应用

针对齿轮箱复合故障难以检测和诊断难题,提出了基于形态分量分析的齿轮箱复合故障诊断方法.形态分量分析是一种基于信号形态多样性和信号稀疏表示的信号或图像处理方法,其主要目标是根据信号组成成分的形态差异性,选择合适的字典来分离信号.通过仿真信号和齿轮箱轴承、齿轮复合故障振动实验信号的研究结果表明:形态分量分析技术不仅能将形态各异的多分量信号进行有效分离、提取故障特征,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效识别齿轮箱的故障类型和故障发生部位,其性能优于传统的独立分量分析.     

基于形态分量分析与能量算子解调的齿轮箱复合故障诊断方法

针对齿轮箱复合故障的故障特征分离,提出了一种基于形态分量分析与能量算子解调的齿轮箱复合故障诊断方法。该方法先根据振动信号中各组成成分形态的差异,采用形态分量分析方法构建不同形态的稀疏表示字典进行故障成分分离,将齿轮箱复合故障信号分解为包含齿轮故障信息的谐振分量、包含轴承故障信息的冲击分量和噪声分量,然后分别对谐振分量和冲击分量进行能量算子解调分析,最后根据各解调谱诊断齿轮和轴承故障。算法仿真和应用实例表明该方法能有效地分离齿轮箱复合故障振动信号中齿轮与轴承的故障特征。     

基于形态分量分析的变工况齿轮箱故障诊断研究

齿轮箱变工况运行时表现为转速和负载的变化,其振动信号是非线性的多分量信号,变工况齿轮箱故障诊断是研究难点。首先使用数字微分的阶次跟踪方法对原始振动信号按计算得到等角度重采样时刻插值,将非平稳的振动信号转化为角域平稳信号;然后使用形态分量分析(MCA)方法从角域信号中分离出冲击、简谐分量与噪声成分,提取齿轮箱非线性、多分量信号中的故障特征;再对冲击分量做角域平均突出故障特征,最后进行瞬时功率谱分析识别齿轮是否有故障。实验分析表明,使用此方法能根据瞬时功率谱分布的阶次和角度范围识别故障,适用于变工况下的故障齿轮检测。     

基于形态分量分析和包络谱的轴承故障诊断

滚动轴承出现局部损伤时,其振动信号往往由包含轴承自身振动的谐振分量、包含轴承故障信息的冲击分量及随机噪声分量构成。提出了基于形态分量分析和包络谱的滚动轴承故障诊断方法。该方法根据轴承振动信号中各组成成分的形态差异,利用改进的形态分量分析对滚动轴承故障振动信号中的谐振分量、冲击分量和噪声分量进行分离,然后对冲击分量进行Hilbert包络解调分析,根据包络谱诊断滚动轴承故障。算法仿真和应用实例表明,该方法能有效提取滚动轴承故障特征。     

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。     

齿轮箱复合故障的频谱分析

设计了齿轮箱故障模拟器，对基础松动 齿轮断齿、联轴器单侧不对中 齿轮断齿、基础松动 联轴器单侧不对中 齿轮断齿等复合故障进行了模拟及频谱分析，并与单一故障进行了比较分析。     

提高双树复小波的齿轮箱复合故障特征提取

针对双树复小波变换分解层数需要先验确定和重构后各子带出现的频率混叠现象,提出了一种改进双树复小波变换的齿轮箱复合故障特征提取方法。首先,确定双树复小波变换的分解层数和有效的子带;对得到的各子带进行去频率混叠,确保消除频率混叠现象,使每个子带仅含有唯一的特征频率;然后,用所提方法和现有VMD(Variational Mode Decomposition)进行对比,验证了所提方法的可行性;最后将所提方法应用于齿轮箱复合故障振动信号中,成功提取出齿轮剥落和轴承外圈故障。所提方法为齿轮箱复合故障特征提取提供了一种新的思路。     

独立分量分析在齿轮箱轴承故障诊断中的应用

介绍了独立分量分析的基本原理和算法步骤,运用其对齿轮箱实测的瞬态声音信号进行了降噪处理,然后运用阶次倒谱技术分析了降噪后的信号,找到了故障特征,成功地判别出了齿轮箱的轴承外圈故障,验证了该方法的可行性和有效性。     

齿轮箱中齿轮故障的振动分析与诊断

首先建立了齿轮箱中轴承无故障、齿轮有故障时齿轮箱振动信号的理论模型,介绍了齿轮箱中齿轮故障诊断的高频共振方法,阐述了该诊断方法的信号处理和诊断流程,并对该诊断方法的使用效果进行了实际验证.应用结果表明,该诊断方法能有效地诊断齿轮箱中齿轮的局部损伤故障.     

基于时间序列幅值分量标度特性的齿轮箱故障诊断

齿轮箱是复杂的动力学系统,其故障信号通常呈现出非平稳和非线性特征,因此齿轮箱故障信号的特征提取是一个难题。去趋势波动分析(Detrended Fluctuation Analysis,DFA)可以用来分析非平稳非线性数据,得到的标度曲线可以用来刻画复杂系统的动力学行为。然而原始序列的标度曲线通常具有复杂的形状,所以从原始序列的标度曲线提取故障特征具有一定的困难。为了解决这个问题,对齿轮箱故障数据增量序列的动力学特性进行了研究,结果证明增量序列的幅值分量主要携带数据的非线性特征,然后提出了基于时间序列幅值分量标度特性的齿轮箱故障特征提取方法。该方法首先计算原始序列的增量序列,获得增量序列的幅值分量,然后利用DFA方法计算幅值分量的标度曲线,最后提取标度曲线的左端点和转折点的波动参数作为故障特征进行故障诊断。利用实测数据对所提出方法的性能进行了验证,结果表明,该方法对噪声干扰具有较好的鲁棒性,可以有效地对齿轮箱故障进行诊断,与传统的时域参数方法相比具有明显的优势。     

齿轮箱中滚动轴承故障振动信号的提取

应用一种自适应滤波技术,即自适应谱线增强技术从齿轮箱的振动信号中提取滚动轴承故障振动信号.实例表明,该方法能够有效地排除齿轮啮合振动等干扰噪声,提高轴承故障振动信号的信噪比,有利于准确诊断齿轮箱中滚动轴承的故障.     

风电机组齿轮箱行星轮点蚀故障下传出振动信号的理论推导

分析了风力发电机组齿轮箱行星轮在点蚀故障下的振动信号经过一系列的传递后,在齿轮箱输出轴端的啮合频率调制现象的理论结果,经过计算得出了27组振动分量,证明了振动的多样性及振动情况的严重不对称性,具有一定的理论参考价值。     

独立分量分析在直升机齿轮箱故障早期诊断中的应用

齿轮箱早期的故障信号往往十分微弱 ,信噪比低 ,这大大限制了已有诊断方法在早期诊断中的应用 ,因此如何获取真实的振动信号是提高齿轮箱早期故障诊断质量的关键 ,独立分量分析 (ICA)为此提供了一种新的思路。文中研究了ICA在齿轮箱故障早期诊断中的应用 ,首先分析了齿轮箱的混合振动信号模型 ,然后针对具体的轴承故障进行了实验 ,并使用快速ICA算法分离出轴承的振动信号 ,再将其功率谱与原始振动信号的谱相比较 ,结果表明ICA更易于实现故障的早期诊断 ;最后提出了进一步的研究建议。     

小波基最优化在齿轮箱振动信号中的应用分析

为了提高齿轮箱低频振动信号准确表征其运行状态和高频振动信号表征故障特征的效果,通过对小波原理及小波基优化理论进行分析,选取适用于处理齿轮箱振动信号的小波基进行小波变换,将均方根误差及信噪比作为除噪性能的评价标准,获取最优小波基。基于小波变换对振动信号多层分解的特性,将最优小波基运用其中,分别重构出近似齿轮箱运动状态的低频信号,以及能够表征故障细节特征的高频信号。实验结果表明:最优小波基的应用有利于提高齿轮箱低频信号表征其运行状态频率的准确率和高频信号细节特征提取的效果,为工程实际中齿轮箱的故障诊断提供了理论基础。     

基于动态小波阈值的齿轮箱振动信号降噪方法

在齿轮箱的故障诊断、在线监控等领域,通常将振动信号作为最主要的分析来源。齿轮箱在起重机的实际运行过程存在多种机构相互交联影响的情况,且信号多数时候只能通过间接的形式采集获取,造成信号中存在大量杂乱无章的干扰噪声,影响了对信号的识别和特征的提取,容易造成对故障的错报和漏报等问题。文中深入分析硬阈值函数、软阈值函数、半软阈值函数和Garrote函数,提出动态调整小波阈值的算法。动态阈值算法可以在有效抑制噪声和保留信号中有用成分之间取得更好的平衡。通过模拟信号和实测故障振动信号进行对比测试,结果表明这种动态小波阈值降噪的方法相对于半软阈值函数和Garrote阈值函数的降噪算法具有更高的信噪比和较低的均方根误差。     

滚动轴承故障信号的多尺度形态学分析

数学形态分析是数字信号处理的一种非线性分析方法,滚动轴承故障信号是一种非线性非平稳信号.为了提取不同类型故障特征,利用多尺度形态学分析对滚动轴承故障振动信号建立一种不同于时频分析的信号特征描述方法.采用多尺度形态开运算得到故障信号的形态谱,定量反映了信号在不同尺度下的形态变化特征;由形态谱曲线计算形态谱熵,定量描述不同信号的形态特征.通过试验数据的分析以及与峭度和共振包络解调方法的对比,表明多尺度形态学分析方法计算效率高,特征描述准确简单,为轴承故障信号的分析、识别和分类提供了新的思路.     

机械故障信号主分量的最大熵谱分析

针对复杂机械系统中经常出现的多种故障并存现象,讨论了基于主分量分析的机械故障信息分离的方法,然后利用最大熵谱处理短数据的优点对分离信号作频谱分析,达到对故障信号准确定位的目的,取得了较为满意的结果。     

高速列车齿轮箱振动特性分析与故障识别方法

基于EEMD和HT方法的先进性,将其应用于高速列车齿轮箱振动特性分析与故障识别。采用EEMD和HT方法分析了高速列车齿轮箱的振动特性,包括时域和频域特性。通过与连续小波方法的比较,探讨了EEMD和HT方法在高速列车齿轮箱故障识别与诊断中的应用优势。研究工作中得出的结论:1)EEMD和HT方法能较好地识别高速动车组齿轮的故障特征,比常用的连续小波变换具有良好的应用性能。2)有缺陷齿轮箱的振动幅度明显大于普通齿轮箱,其振动特性发生了显著变化。     

基于离散随机分离的齿轮箱复合故障分析法

齿轮箱复合故障中,较弱的故障特征往往被较强的故障信号所淹没,传统方法较难实现对较弱故障特征的提取。为解决上述问题,提出一种基于离散随机分离的齿轮箱复合故障振动分析法。该方法首先使用快速谱峭度算法获取对齿轮箱振动信号的共振带参数,依据该共振带参数设计带通滤波器及结合Hilbert变换实现对振动信号包络提取;之后应用角域重采样将时域包络信号转换到角域以消除转速波动影响;再应用离散随机分离对角域包络信号进行分离,分别得到齿轮故障和轴承故障对应的角域包络信号;最后,分别对角域包络信号进行包络谱分析获得齿轮、轴承故障的特征频率信息。试验结果表明,该方法可实现齿轮箱齿轮及轴承复合故障特征的有效提取。