分形维数在矿井通风机故障诊断中的应用研究

用分形维数对通风机的振动信号进行了描述,研究表明矿用通风机几种典型故障的振动信号对应有不同的分形维数,由此可对通风机的典型故障进行识别;将小波除噪理论与分形相结合应用于矿用通风机故障诊断,通过对通风机振动信号去噪前后分形维数的研究发现噪声对振动信号分形维数影响较大,通风机振动信号经小波降噪处理后,有效减小了噪声对信号的影响,利用除噪后振动信号的分形维数准确地诊断出了通风机存在的故障.     

MCKD最佳故障周期搜索的齿轮箱故障特征提取

针对最小解熵解卷积(Minimum entropy deconvolution,MED)算法易受强噪声和野值的影响,引出了最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)的齿轮箱故障特征提取方法,克服了MED算法的不足。然而凭先验信息选取的故障周期,可能导致MCKD解卷积效果很差,因此提出了MCKD算法的最佳故障周期搜索思路,即在合适的滤波器阶数L下,最佳故障周期的搜索可以限定于理论计算周期左右的某一范围内,使不同步距M关于最佳周期的最大相关峭度达到全局最优,以确保了MCKD算法具有良好的解卷积效果。断齿与局部断齿故障特征提取试验结果佐证了最佳故障周期搜索思路的可行性及其效果。     

基于WT与cICA的齿轮箱低频故障特征提取

齿轮箱低频故障信号易受到高频振动及强噪声等因素的干扰,测量信号中隐藏的有效低频故障特征比较微弱,再考虑到源噪声的影响,则约束独立分量分析直接提取低频故障特征的效果很差。为此提出了基于小波变换与约束独立分量分析的齿轮箱低频故障特征提取方法,通过对测量信号的小波多分辨率分解,有针对性地选择小波系数重构,提高了信噪比和非高斯性,从而增强了约束独立分量分析方法提取齿轮箱低频故障特征的效果。而未经小波变换除噪时,约束独立分量分析的效果不佳。断齿与局部断齿的低频故障特征提取试验结果表明,提出的方法能有效降低高频振动及源噪声等因素的干扰,提取出齿轮箱的低频故障特征,尤其是微弱低频故障特征,为齿轮箱低频故障特征提取与故障诊断提供了一种有效方法。     

基于小波多分辨分析的阈值去噪

简述了基于多分辨分析原理的小波阈值去噪的基本方法,并介绍了几种阈限和选取阈值的规则.利用小波阈值去噪良好的时频局部化特性滤去信号中大量的背景噪声.通过模拟实验得到了良好的效果,说明小波阈值去噪方法适合于信号去噪.     

基于小波多分辨分析的阈值去噪

简述了基于多分辨分析原理的小波阈值去噪的基本方法,并介绍了几种阈限和选取阈值的规则.利用小波阈值去噪良好的时频局部化特性滤去信号中大量的背景噪声.通过模拟实验得到了良好的效果,说明小波阈值去噪方法适合于信号去噪.     

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。     

油液分析技术在采煤机故障诊断中的应用

应用油液分析技术并结合实例,将光谱分析、铁谱分析、油液理化性能分析三者结合对采煤机牵引部液压油进行分析研究,有效地诊断出设备的故障,为采煤机维修提供了可靠的依据。     

基于EMD与同态滤波解调的矿用齿轮箱故障诊断

针对矿用齿轮箱振动信号的特点,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)与同态滤波相结合的故障解调方法.利用EMD对某矿用皮带机齿轮箱故障信号进行分解,得到若干个本征模态函数(intrinsic mode functions,简称IMFs)分量,然后对其中较突出的IMFs进行同态滤波解调分析,提取出了频率为7.0Hz的调制故障信号.研究表明,EMD与同态滤波解调相结合是一种有效的齿轮箱故障诊断方法.     

基于RBF神经网络的齿轮箱故障诊断

阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。     

基于Labview的频谱细化分析方法

利用Labview强大的数学和信号分析功能，在传统的复调制细化分析方法的基础上，讨论了一种新的基于Labview的频谱细化分析及实现方法，为基于Labview虚拟仪器中实现频率细化分析提供了一条途径。仿真和工程实例表明，该方法可满足工程中对信号进行频率细化分析的要求。