基于油液分析的自行火炮发动机磨损状态监测研究

本文提出了一种基于油液光谱分析技术的发动机磨损故障诊断方法,该方法主要包括用于监测润滑油中磨损金属颗粒浓度变化的模型,并制定了各主要磨损金属元素的浓度和梯度界限值,并将其分为三个层次,同时建立了发动机磨损状态监测的模糊综合评判模型,改善过去仅仅依靠浓度界限值和梯度界限值评判发动机工作状态的局限性.实例证明该方法可提高油液光谱分析诊断发动机磨损故障的准确性.     

通用ATS自检系统

针对传统的通用自动测试系统存在系统自检时间长、劳动量大、人工检测易出错等缺点,采用具有先进的机械、电气、软件规范的PXI总线作为虚拟仪器的硬件平台,充分利用系统自身的测试资源设计了自动测试系统的自检方案,并开发了一种基于PXI总线和虚拟仪器技术的自检系统.该系统实现了ATS的多通道自检,具有自检时间短、故障定位准确等优点.     

基于阶次跟踪和经验模态分解的滚动轴承包络解调分析

针对齿轮箱升降速过程中振动信号非平稳的特点,将计算阶次跟踪方法与经验模态分解技术相结合,提出一种研究旋转机械瞬态信号故障诊断的分析方法。首先对齿轮箱启动时测得的振动信号进行时域采样,再对时域信号进行等角度重采样,将其转化为角域准平稳信号,然后对角域里的信号进行经验模态分解得到多个固有模态函数分量,最后对包含轴承故障信息的高频固有模态分量进行包络解调分析。结果显示：阶次跟踪技术能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,将非平稳信号转化为准平稳信号;经验模态分解方法能够提取包含故障信息的固有模态分量,将两种方法相结合是对传统频谱分析法的有力补充,具有很广阔的应用前景。     

基于角域平均和连续小波变换的齿轮故障诊断研究

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪、角域平均和连续小波变换相结合,提出了基于角域平均和连续小波变换的齿轮箱故障诊断方法。首先对齿轮箱升降速瞬态信号进行时域同步采样,再对时域信号进行等角度重采样,转化为角域平稳信号,然后对角域信号进行角域平均,以消除干扰噪声的影响,最后对角域平均信号进行连续小波变换,根据小波幅值图和相位图,就可提取齿轮的故障特征。通过对齿轮齿根裂纹故障实验信号的分析,表明该方法能有效地诊断齿轮的故障状态。     

基于振动图像纹理特征识别的轴承故障程度诊断方法研究

针对轴承故障诊断中故障分类研究多,故障程度研究少,振动图像信息丰富得不到充分利用问题,提出利用振动图像纹理特征识别技术进行轴承故障程度诊断方法。该方法先对轴承振动响应信号进行EMD-形态差值滤波处理,后将滤波后信号转换为双谱等高线图,利用灰度三角共生矩阵得到双谱图形纹理特征,应用主成份分析法从纹理特征参数中提取轴承故障程度特征参量,用支持向量机进行模式识别。实验结果表明该方法能有效区别轴承外圈、内圈及内外圈的故障严重程度,可为旋转机械故障程度诊断提供新方法。     

基于EMD和包络谱分析的轴承故障诊断研究

提出了一种基于经验模态分解(EMD)和包络谱分析的轴承故障诊断的新方法．EMD是把时间序列信号，分解成不同特征时间尺度的固有模态函数(IMF)，具有自适应的分析能力，然后通过选取表征轴承故障的IMF分量进行包络谱分析，就可提取轴承故障信号的特征．轴承故障实验信号的研究结果表明：该方法能有效地识别轴承故障．     

非线性齿轮系统单齿故障动力学特性

针对齿轮系统运行过程中具有非线性动力学特性,借鉴混沌振子检测理论中根据系统相轨变化检测信号的原理,分析了齿轮单齿故障冲击信号出现的成因及其出现故障后非线性动力学特性的变化,建立了基于冲击分析的非线性齿轮系统单齿故障动力学模型。通过分析发现,齿轮系统模型在一定的参数条件下,其动力学特性会进入混沌状态。而在相同参数条件下,出现单齿冲击故障并达到一定程度后,齿轮系统会在故障冲击的激励下进入大周期运动,从而表现出明显异于无故障条件下齿轮系统的动力学特性。仿真结果表明,该方法能有效区别齿轮系统单齿故障状态。     

基于盲均衡的轴承故障诊断研究

通过理论分析,将无线通信领域内基于多传感器的SIMO系统盲均衡技术应用于齿轮箱故障诊断的多路振动信号的融合.在某单级减速齿轮箱内植入滚动轴承内圈故障,试验证明,由融合后的传感器数据得到的故障特征更为突出.     

基于阶次小波包与粗糙集的轴承复合故障诊断

针对齿轮箱启动过程中振动信号表现为非平稳非高斯特征,传统诊断方法诊断精度不高的现状,将阶次小波包和粗糙集理论引入到轴承的复合故障诊断中,利用计算阶次跟踪算法对瞬态振动信号进行重采样,采用小波包对该信号分解-重构,并对每个频段的能量进行归一化,构成一个特征向量,通过粗糙集理论得到清晰、简明的决策规则.并通过复合故障实例验证了此方法的有效性.     

齿轮箱起动过程故障诊断

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪、角域平均和Teager能量算子分析技术相结合,提出了基于阶次跟踪和Teager能量算子分析的齿轮箱故障诊断方法.首先对齿轮箱升降速瞬态信号进行时域同步采样,再对时域信号进行等角度重采样,转化为角域平稳信号,然后对角域信号进行角域平均和带通滤波,以消除干扰噪声的影响,最后由Teager能量算子计算振动信号的瞬时频率和瞬时幅值,根据瞬时频率和瞬时幅值图,就可提取齿轮的故障特征.通过对齿轮齿根裂纹故障试验信号的分析,表明该方法能有效地诊断齿轮的裂纹故障.