基于邻域粗糙集与支持向量机的大型风机齿轮箱故障诊断

大型风机的齿轮箱故障诊断是保证风机正常、稳定运行,避免突发性事故的有效手段。针对大型风机齿轮箱振动进行实时监测,对其振动情况进行分析、诊断。对采集的信号采用时域方法进行研究,获取时域指标属性,运用邻域粗糙集约简知识对各个信息属性进行约简,再结合支持向量机进行样本训练,并对待测数据进行故障诊断。     

一级行星架内孔淬火开裂原因分析

一批风电齿轮箱中42CrMo4钢一级行星架调质后机加工过程中发现内孔开裂。从成分偏析分析、淬火工艺验证、机加工表面磁粉探伤检测、金相分析等方面,对一级行星架进行了分析。结果表明,淬火冷却过于激烈是导致开裂的直接原因,严重的成分偏析是导致淬火开裂的主要原因。     

基于改进经验小波变换的行星齿轮箱故障诊断

行星齿轮箱振动信号具有复杂多分量和调幅-调频的特点。幅值解调和频率解调方法能够避免传统Fourier频谱中的复杂边带分析,有效识别故障特征频率。经验小波变换通过对信号Fourier频谱的分割构造一组正交滤波器组,能提取具有紧支撑Fourier频谱的单分量成分,再对单分量成分运用Hilbert变换即可实现信号的解调分析。经验小波变换能够有效分离出调幅-调频成分,不存在模态混叠现象,具有完备的理论基础,自适应性好、算法简单、计算速度快。将改进的经验小波变换应用于行星齿轮箱振动信号的解调分析;提出了一种单分量个数的估算方法,解决了经验小波变换中的Fourier频谱划分问题;给出了对故障敏感的信号分量的选取方法,提高了分析的针对性。将改进方法应用于行星齿轮箱振动仿真信号和实验信号分析,验证了该方法的有效性。     

西门子S7-200的PID控制用于流量控制应用

该文介绍了采用PLC控制+触摸屏实现设定供油流量并使回油流量跟踪供油流量变化以达到供油和回油按设定液位自动平衡的方法.     

基于最小熵解卷积的齿轮箱早期故障诊断

齿轮箱发生早期故障时,其振动信号一般很微弱,且隐含的能反应出齿轮箱运转状态的冲击成分常被淹没在强烈的噪声中,直接做频谱分析或包络谱分析,很难提取其故障特征。论文将最小解卷积方法应用于炼胶机的齿轮箱故障诊断。首先利用该方法对齿轮箱振动信号进行解卷积滤波处理,然后对滤波后的信号进行包络解调分析,最后提取出了该齿轮箱轴5上齿轮8(z8=28)齿根轻微裂纹的故障特征,实现了该齿轮箱的早期诊断。应用实例验证了最小熵解卷积方法的有效性和优点。     

风电机组齿轮箱故障分类方法研究

风电机组齿轮箱的运行工况复杂多变,很难获取大量的所有已知故障的样本数据,为了能够实现在无已知样本数据条件下的故障分类,提出了一种基于ART2神经网络和C-均值聚类算法的风电机组齿轮箱故障分类方法。首先利用ART2无监督神经网络实现样本数据的初步分类,再利用C-均值聚类算法对分类结果进行修正,克服了由于原始神经网络算法存在"硬竞争"导致分类精度下降的问题。分析结果表明提出的方法具有更高的分类准确度,能够对健康和不同故障类型的风电机组齿轮箱进行准确分类识别。     

基于振动特征值的动车组齿轮箱故障检测

故障检测与状态评估对保障动车组齿轮箱的正常运行具有重要意义。通过对振动信号的特征提取方法与判定进行研究,对比不同故障模式与试验工况下的齿轮箱振动有效值、峰值、标准差、偏度、峭度等振动特征值差异。结果表明：动车组齿轮箱的故障模式直接影响振动特征值;有量纲振动特征值受运行转速影响较明显,运行转速越高,相应特征值变化越明显;无量纲振动特征值受轴承故障模拟形式的影响较大,与运行转速关系较小。综合对比各种故障状态下振动特征值的敏感度,有量纲特征值比无量纲特征值对故障更加敏感。     

环境温度对高速列车齿轮箱温度场的影响

针对中国高铁发展现状以及所面对的运行环境,利用某型号高速列车传动齿轮箱为研究对象,采用半经验公式分析不同环境温度下齿轮箱对流换热系数的变化,建立箱体传热数学模型.利用Fluent对齿轮箱在不同环境温度下进行温度场仿真模拟,得出环境温度变化对齿轮箱温度场的影响趋势.     

摩托车发动机齿轮箱上盖压铸充型分析及模具设计

针对摩托车发动机齿轮箱上盖压铸工艺,设计了两分支浇道和多分支浇道结构的浇注系统.运用Anycasting软件对两种浇注方案的充型和凝固过程进行了模拟,分析了铸件充型过程中产生的裹挟气体、致密性不好的缺陷.模拟结果显示,多分支浇注系统能够保证致密性的要求和模具温度的平衡.同时采用镶嵌式锁紧滑块结构进行了压铸模具设计.在压铸生产调试后,铸件气密性试验合格率达到95％.     

基于Adam-DBN网络的行星齿轮箱故障诊断方法研究

随着现代机械装备的复杂化,传统的故障诊断方法难以满足表征设备间的复杂映射关系,且在如今大数据背景下面临着维数灾难的问题。文章结合深度置信网络以及梯度优化算法提出了一种基于梯度优化深度置信网络(Adam-DBN),通过数据验证选取最优梯度优化算法对深度置信网络的的梯度算法进行调优。搭建模拟实际工况的行星齿轮箱实验台,通过实验台采集所得数据构成数据集对方法进行验证。实验表明文中提出的方法能够有效提高DBN网络的收敛速度与训练精度,同时具有较高的故障识别准确率。