基于小波包分析的机械故障特征提取方法研究

研究了一种基于小波包分析与信号能量分解的故障特征提取方法 ,运用这种方法提取了一风机轴不对中故障特征向量 ,为神经网络故障诊断提供了新的故障样本。实验结果表明这种方法比基于Fourier变换的故障特征提取方法更有效 ,很适合于机械故障诊断     

基于细化分析的风机故障诊断研究

介绍了细化分析技术,利用细化分析的高频率分辨率特性对一风机的运行状态进行监测和诊断,分析出风机叶片、不对中及轴承几种的故障以及产生故障的原因。     

基于小波分析的电机故障诊断研究

详细地分析了电机的机械振动特性和小波多分辨分析原理。通过具体实验，表明了小波分析的良好时频局部化特性在电机机械故障诊断方面的有效性，并为其它机械故障诊断提供了有效的分析手段。     

基于ADAMS的单缸内燃机动力学分析与研究

引起内燃机振动的一个重要因素是其曲柄连杆机构往复运动产生的惯性力和惯性力矩.基于动力学仿真软件ADAMS和Pm/E,建立了单缸内燃机的虚拟样机参数化实体模型,进行了动力学仿真分析,并将速度、加速度等分析值与理论分析结果比较,结果吻合验证了所建模型的正确性;研究了惯性力对机体产生干扰力和力矩的影响以及惯性力平衡问题.通过参数优化分析,确定了构件的最佳质量特性参数,改善了机构的动力学性能,同时提高了设计效率.     

基于最大相关峭度解卷积的滚动轴承早期故障诊断

滚动轴承早期故障振动信号微弱,并且受环境噪声影响严重,特征信号提取困难。针对这一问题,提出了最大相关峭度解卷积方法来提取轴承故障的特征信号。通过计算信号的最大相关峭度值,估算出感兴趣的解卷积周期T,选择合适的时延步数M,对故障信号做最大相关峭度解卷积,并对最大相关峭度解卷积滤波后的信号进行包络解调,提取出滚动轴承的故障特征,实现了滚动轴承的早期故障诊断。仿真和实验验证了该方法在滚动轴承故障诊断中的有效性。     

基于MODWPT和MCKD的滚动轴承早期故障诊断

针对齿轮啮合强振动干扰下滚动轴承微弱故障特征提取难的问题，提出一种最大重叠离散小波包变换(MODWPT)和最大相关峭度解卷积(MCKD)相结合的滚动轴承早期故障诊断方法。首先采用MODWPT方法将复杂的轴承故障振动信号分解为若干分量，然后依据峭度准则，选取峭度较大的分量进行MCKD滤波，最后对滤波后所得信号做Hilbert包络分析，将包络谱呈现的频率特征与理论故障特征频率相比较，识别故障特征，实现故障诊断。通过轴承故障的仿真及实验研究，并对比单一MCKD方法和EMD-MED方法的提取效果，说明该方法可以在一定程度上抑制齿轮啮合强振动及噪声的干扰，增强并有效提取出滚动轴承早期低频微弱故障特征。