基于LSTM算法的门座式起重机减速箱故障诊断研究

为实现门座式起重机减速箱机械故障的智能诊断和分类,运用长短期记忆网络构建了门座式起重机减速箱机械故障的自动诊断分类模型;首先设计并使用了基于labview的数据采集系统对门座式起重机的复合故障数据进行了采集,结合东南大学公开的齿轮箱故障数据建立了数据集;然后用数据增强的方法对数据进行预处理,接着采用长短期记忆神经网络,构建门座式起重机减速箱机械故障诊断模型;最后使用测试数据集对模型的诊断分类准确性进行了验证实验,结果表明该诊断模型能快速准确的对门座式起重机减速箱的机械故障进行自动诊断和分类,实现了96.8％的诊断分类准确率,与传统的基于CNN的诊断分类模型相比,准确率提高了4.1％,为下一步便携式智能诊断仪器的开发和应用奠定了一定的理论基础.     

基于UG和Romax齿轮箱有限元模拟仿真

针对齿轮箱综合力学性能好和疲劳寿命长等高要求;以某变速器齿轮箱为研究对象,基于UG建立齿轮箱三维模型,运用Romax中建立齿轮箱有限元仿真模型;对不同加载载荷和转速对齿轮箱最大变形位移及最大等效应力的影响,及齿轮箱固有频率、振动位移和速度、振动噪声进行有限元模拟仿真。模拟仿真结果表明：随着加载载荷增加,齿轮箱最大变形位移及最大等效应力呈现逐渐增加的趋势;随着加载转速增加,齿轮箱最大变形位移及最大等效应力基本保持不变;不同阶数下,齿轮箱固有频率不同;振动位移和速度均呈现在某一值上下波动的趋势;不同位置不同频率,齿轮箱振动噪声不同。该研究为齿轮箱综合力学性能提升和疲劳寿命延长等方面提供理论依据。     

离心泵机组齿轮箱振动分析和故障诊断

利用状态监测与故障诊断技术对离心泵机组齿轮箱轴向振动进行分析和诊断,在测试、分析的基础上,结合轴向振动机理,找出了齿轮箱轴向振动超标的原因,提出了相应的改造措施,机组改造后振动有较大幅度地降低,符合国家标准.     

基于阶次解调谱的变速齿轮箱复合故障诊断方法

针对变速齿轮箱中复合故障的故障特征提取,提出了一种基于阶次解调谱的变速齿轮箱复合故障诊断方法。变速齿轮箱中的转速具有时变的特性,而故障特征往往与转速相关,亦具有时变特性。本文方法先用线调频小波路径追踪算法从原始振动信号中提取转频曲线,再根据转频曲线对原始振动信号进行等角度重采样,将时域非平稳信号转化为角域周期平稳信号,最后对角域周期平稳信号进行能量算子解调分析,根据阶次解调谱中的调制信息进行变速齿轮箱复合故障诊断。通过算法仿真和应用实例对包含齿轮局部故障和轴承局部故障的变速齿轮箱复合故障进行了分析,结果表明,本文方法在无转速计的情况下能有效地提取变速齿轮箱复合故障的故障特征。     

变风载下风电齿轮箱内部激励规律研究及动态特性优化

风电齿轮箱作为风电机组的关键部件,其动态特性直接影响整个机组的运行。以某兆瓦级风电齿轮箱为研究对象,考虑箱体、行星架的结构柔性后,建立风电齿轮箱耦合动力学模型,并分析了其动态响应。针对单一工况所得的齿轮修形量未必适用于其它工况的问题,对各工况下的风电齿轮箱各级齿轮副内部激励进行了加权处理,以各齿轮内部激励和最小为优化目标,基于遗传算法寻求适用于多工况的最优修形量,并结合齿轮宏观参数优化来改善风电齿轮箱的动态响应。结果表明,通过宏观参数优化及齿轮修形后,各工况下风电齿轮箱的振动加速度及结构噪声均得到了有效改善。研究结果为兆瓦级风电齿轮箱动力学特性优化提供了依据。     

转速与负载对减速器振动噪声的影响研究

以单级圆柱齿轮减速器为研究对象,综合考虑齿轮时变啮合刚度及误差激励的影响建立了传动系统动力学模型。以轴承动载荷为激励,采用FEM/BEM方法对减速器振动噪声辐射进行了分析,得到了齿轮箱节点动响应时域历程及声场场点噪声谱,论述了激励中各谐波成分对齿轮箱振动噪声辐射的影响。对多工况下齿轮箱振动噪声辐射进行了计算,就转速及负载对减速器振动噪声的影响做出了分析,得到了系统动载荷随转速的变化规律,噪声辐射随负载变化规律以及齿轮箱共振频带分布,为减速器的减振降噪设计提供了理论基础。     

基于线调频小波路径追踪算法与EEMD的齿轮箱复合故障诊断方法

针对变转速下的齿轮箱中复合故障的故障特征提取,提出了一种基于线调频小波路径追踪算法与集合经验模式分解的齿轮箱复合故障诊断方法。该方法先用线调频小波路径追踪算法从原始振动信号中提取转频曲线,根据转频曲线对原始振动信号进行等角度重采样,将时域信号转化为角域信号,再对角域重采样信号进行集合经验模式分解,根据相关系数选取合适的内禀模态函数,最后对所选取的内禀模态函数分量进行Hilbert包络谱分析,根据包络谱进行齿轮箱复合故障诊断。通过算法仿真和应用实例对包含齿轮局部故障和轴承局部故障的变转速齿轮箱复合故障进行分析,结果表明,本文方法在无转速计的情况下能有效地提取变转速齿轮箱复合故障的特征。     

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。     

基于AR模型的齿轮箱振动故障检测

在分析了正常和故障状态下齿轮箱振动测试信号的基础上,提出了一种基于AR模型的齿轮箱振动故障检测的新方法,首先用正常状态下AR模型系数构造正常状态的特征向量及容差,然后将各状态下的AR模型系数与之比较,从而判断齿轮是否出现故障。实验结果表明,该方法是可行和有效的。     

基于改进LMD方法的风电机组齿轮箱故障诊断研究

局部均值函数的求取是局部均值分解(LMD)的关键环节.针对局部均值函数求取存在偏差进而造成模态混叠的问题,提出了一种基于局部积分均值的LMD风电机组齿轮箱故障诊断方法.该方法改变了对相邻两极值点求平均值的思路,采用求取相邻两极值点的局部积分均值,再通过滑动平均法进行平滑处理,最终得到局部均值函数.为实现风电机组齿轮箱故...