齿轮箱结构噪声预测

从齿轮传动系统的动力学仿真出发,利用有限元分析求解齿轮箱的动态响应,将响应结果作为边界条件,由边界元方法对齿轮箱结构噪声进行预测,同时对齿轮箱辐射噪声进行了声强测试,并与预测结果进行比较。结果表明,该方法能够有效预测齿轮箱结构噪声的声学特性,为齿轮箱的噪声控制与结构优化提供了可靠的依据。     

基于时频图像特征提取的状态识别方法研究与应用

介绍一种基于时频图像进行设备状态识别的新方法。论述了对振动信号应用Hilbert谱构建二维时频图像,研究时频图像三维重心与信息熵的特征提取方法构造特征向量,采用支持向量机进行设备的状态识别。并以滚动轴承不同状态的识别为例,验证方法的有效性。为提高滚动轴承振动信号特征提取的可靠性,采用多循环平均方法减小循环波动性影响。研究表明此方法能够提高设备故障诊断与状态识别的准确性。     

OEEMD与Teager能量算子结合的轴承故障诊断

针对滚动轴承发生局部故障时振动信号中微弱周期性冲击的特征提取问题,提出参数优化集合经验模式分解(optimal ensemble empirical mode decomposition,简称OEEMD)与Teager能量算子解调结合的滚动轴承故障诊断方法。首先,针对集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)过程中两个关键参数k(加入白噪声的幅值系数)和m(集合平均次数)的准确选取问题,通过引入相关系数、相关均方根误差和信噪比分析,给出一种可自适应确定这两个参数取值的OEEMD方法,通过OEEMD将冲击从滚动轴承振动信号中分离出来;其次,采用Teager能量算子对其进行包络解调,计算出瞬时幅值后再对瞬时幅值进行包络谱分析,以获取冲击的特征频率,从而对滚动轴承故障进行准确诊断。仿真信号分析和应用实例验证了该方法的有效性。     

基于振动噪声信号的齿轮传动系统声压级预测

文中提出一种新的齿轮箱噪声预测方法,它与传统的仅用声压计测量方法不同：该方法采用多个加速度和噪声传感器对齿轮箱进行监测并获取振动和噪声信号;先通过成熟的“以振代噪”技术,计算振动信号的噪声评估向量;然后根据组合预测方法,采用应用线性神经网络算法预测出齿轮箱的声压级,并且通过实验验证其准确性有效性。     

独立分量分析方法在经验模式分解中的应用

若信号间的能量和频率比例过大,经验模式分解不能分解出正确的单一模式分量。针对这种状况提出一种经验模式分解与独立分量相结合的信号分析方法。该方法能分离出IMF分量的固有特性,消除EMD分解过后各IMF之间信息混淆问题,恢复各个单分量所丢失的信息特性,改善了经验模式分解能力不足所带来局限性,保障经验模式分解的有效性。通过仿真信号和实际工程信号研究,验证了该方法的可行性。表明该方法对信号分解和故障诊断具有很好的前景。     

Hilbert谱特征提取与支持向量机的状态识别方法研究

本文介绍一种新的基于振动信号分析的状态识别方法,即Hilbert时频谱重心与支持向量机相结合的进行设备故障诊断的分类方法。根据信号的循环平稳性,采用同步平均对信号进行预处理,实现从时域到角度域的转换;之后进行经验模式分解,计算得到Hilbert时频谱;在此基础上计算Hilbert时频谱的重心,构建一个特征向量。最后采用支持向量机进行训练和学习,实现设备的状态识别。并以滚动轴承的状态识别为例证明此方法的有效性。研究表明,此方法有助于设备预知维修的发展。     

基于敏感分量与MCPG的轴承故障诊断方法

针对滚动轴承故障难以准确识别问题,提出了一种基于敏感分量与多卷积池化组(Multi convolution pooling group,MCPG)的故障诊断方法。首先,采用经验模态分解(Empirical mode decom?position,EMD)将原始信号分解成为多个固有模态分量(Intrinsic mode function,IMF),使用离散Fréchet距离作为衡量指标,选取出故障敏感分量作为表征不同故障类型的故障数据源;之后,提出了一种MCPG深度神经网络架构,并使用敏感数据源对模型进行训练与测试,从而实现数据驱动的轴承故障诊断。通过实验验证,表明该方法对不同类型的振动数据(不同转速、不同损伤类型、不同损伤程度)均具有较好的识别效果。     

离心式压缩机远程故障诊断系统的实现

介绍了利用Java语言与网络技术构建基于Web的远程故障诊断系统的方法,主要包括监测数据与远程数据的传输以及客户端功能的实现.通过系统应用的实例,论述了如何利用此平台实现离心式压缩机的远程在线监测与故障诊断.     

基于MPE-CEEMD算法的轴流压缩机旋转失速状态识别

以某型风洞压缩机出口机壳处的声压信号为研究对象,建立以多尺度排列熵均值(MMPE)为筛选CEEMD分解后的集成平均分量的体系,提出了一种MPE-CEEMD算法。将尺度[1,5]范围内声压仿真信号的多尺度排列熵的最大值作为筛选集成平均分量的阈值,剔除异常分量后对重构后的信号做傅里叶变换。若在频谱图上存在小于轴频,且随着流量的减小,而幅值增大的特征频率,那么该特征频率可以判定为旋转失速特征频率。通过分析风洞压缩机在1.3Ma,叶片角度20°,压比1.107 1工况下的数据,发现该算法可以有效的剔除声压信号中的异常成分。     

EMD降噪和谱峭度法在滚动轴承早期故障诊断中的应用

共振解调是滚动轴承故障诊断中最常用的方法之一,然而其带通滤波器参数的选取通常比较困难。谱峭度法能根据峭度最大化原则自动确定带通滤波器参数,取得了一定的诊断效果,但由于滚动轴承的早期故障信号中含有强烈的背景噪声,诊断效果有时也不够明显。为此,提出一种基于EMD降噪和谱峭度法的滚动轴承早期故障诊断新方法,首先采用基于互相关系数和峭度准则的EMD降噪对采样信号进行预处理,突出高频共振成分,再利用谱峭度法选取最佳带通滤波器参数,最后使用带通滤波和包络解调进行故障诊断,并通过实际工程信号进行了验证。