基于Hilbert解调技术的齿轮故障诊断研究

阐述了齿轮振动信号的调制原理,讨论了Hilbert变换的定义及解调原理。应用Hil-bert变换的解调技术对齿轮振动信号进行了幅值解调分析。工程应用的研究结果表明,针对齿轮振动信号的调制现象,利用Hilbert技术能从复杂的振动信号中解调出故障齿轮的调制信息,进而判断出故障齿轮的部位,是一种可靠的故障诊断方法。     

基于同态滤波的低速重载齿轮故障诊断研究

对低速重载齿轮特性进行了分析，阐述了齿轮振动信号的调制原理，针对低速重载齿轮箱低频故障信息容易被强噪声淹没的实际问题，提出了利用同态滤波技术对低速轴齿轮故障特征进行提取的方法.研究表明，同态滤波技术是一种行之有效的齿轮低频故障特征提取技术.     

Hilbert变换在齿轮故障诊断中的应用

阐述Hilbert变换的定义及解调原理。工程应用的结果表明,利用Hilbert技术从复杂的振动信号中解调故障的调制信息,进而判断出故障齿轮的部位,是一种可靠的故障诊断方法。     

基于Hilbert解包络及倒频谱分析的齿轮箱断齿故障诊断研究

由于传统的时域分析和傅里叶变换无法有效地提取故障特征,采用Hilbert解包络对具有调制现象和冲击现象的齿轮故障信号进行解调分析,同时运用倒频谱分析方法对齿轮箱振动异常信号进行提取和分离,获取了异常振动产生的周期性故障信号。结果表明倒频谱分析与Hilbert解包络分析相结合是齿轮箱故障检测的一种有效的诊断方法。     

基于EEMD的齿轮故障诊断方法研究

采用基于EMD改进的总体经验模式分解算法(EEMD)对齿轮箱进行故障诊断。首先利用Matlab进行仿真实验,验证了具有自适应特性的EEMD分解方法在消除基本模式分量之间相互混叠现象方面的有效性。然后利用该方法对故障试验台模拟的齿轮点蚀信号进行分解,并对反映故障信息的本征模式分量进行Hilbert包络解调分析。分析结果表明,EEMD方法可以有效地应用于齿轮故障诊断。     

煤矿主通风机电机转子断条故障诊断方法研究

为了提高煤矿主通风机电机转子断条故障诊断的准确性,提出了一种基于Hilbert变换和小波包的故障检测方法。通过对定子电流信号进行基波和故障特征分量滤波,然后进行Hilbert变换,利用原信号和变换后的共轭信号构成Hilbert模量,再经过两次Hilbert变换,将直流分量滤除。通过小波包频带能量分解技术,将Hilbert模量信号分解到不同频带,使故障特征更加明显。使用所研究方法对现场实测数据进行分析表明,此方法能够很好地突出故障特征,实现转子断条故障检测。     

基于Hilbert变换的滚动轴承故障诊断

滚动轴承是工业应用系统中的重要部件,其引发的故障是引起机器设备失效的重要原因。Hilbert变换基于滚动轴承故障引发的高频固有振动,提取包络信号。通过包络信号进行频谱分析从而提取滚动轴承的故障特征信息。通过采集内圈故障、外圈故障的滚动轴承振动信号,采用Hilbert变换对轴承的振动信号进行了分析,验证了Hilbert包络解调技术在滚动轴承故障诊断中的有效性。     

小波分析和Hilbert谱分析在故障诊断中应用

为了能有效地识别滚动轴承故障信号的非平稳和调制特点,提出了一种基于小波分析和Hilbert谱分析的滚动轴承故障诊断的新方法。使用小波分析对包含故障信息的信号进行分解、重构。进一步应用Hilbert变换进行解调和细化频谱分析。结果表明,小波分析和Hilbert变换的联合能够有效地提取故障特征频率并判断故障类型,非常适合滚动轴承的故障诊断。     

多传感器检测技术在摇臂传动系统的应用研究

为了研究采煤机摇臂传动齿轮的故障诊断方法,采用多传感器在线检测技术,对摇臂振动信号在不同载荷状态下进行时域和频谱分析,获取边频带信号频谱特征,依据边频带特征频率下的振幅结果确定故障齿轮的转动频率。最后对频谱和时域的结果进行综合分析,锁定故障齿轮的准确位置。对某采煤机摇臂齿轮传动系统进行了振动测试与信号分析,结果表明,本振动分析方法可以实现对采煤机摇臂故障齿轮的准确定位,为复杂齿轮传动系统的故障快速定位和现场定点维修提供了方法支持。     

平方解调分析在低速重载齿轮故障诊断中的应用

阐述了齿轮振动信号的调制原理,讨论了平方解调的定义及解调原理。应用平方解调分析技术对齿轮振动信号进行了幅值解调分析。工程应用研究结果表明,针对齿轮振动信号的调制现象,利用平方解调技术能从复杂的振动信号中解调出故障齿轮的调制信息,进而判断出故障齿轮的部位,是一种可靠的故障诊断方法。     

无量纲参数在矿用低速重载齿轮故障诊断中的应用

研究了无量纲参数对低速重载齿轮不同故障的敏感性,据此在对齿轮减速箱进行初步诊断的基础上,结合频谱分析技术诊断出故障的具体部位。研究表明,无量纲参数在低速重载齿轮故障诊断的工程实际中具有一定的实用性,为煤矿现场齿轮减速箱故障诊断提供了一种有效的方法。     

小型挖掘机回转支承的故障诊断方法

设计并搭建回转支承试验台和信号采集分析系统,对外圈点蚀的回转支承工作信号进行采集。由于回转支承故障信号较微弱,故结合小波理论,对采集信号进行分解,对含有故障特征的信号进行重构。应用Hilbert变换进行解调和细化频谱分析,发现故障特征频率,从而判断了回转支承的故障位置,表明小波分析结合Hilbert分析法对回转支承的局部损伤故障诊断是有效的。     

基于包络谱分析的滚动轴承故障诊断方法研究

分别用小波分解、小波包分解和EMD分解处理滚动轴承故障数据,并结合Hilbert变换进行包络谱分析实现滚动轴承故障诊断。对滚动轴承故障数据进行小波阈值降噪。小波阈值降噪后分别进行小波分解、小波包分解和EMD分解。分别求出小波分解、小波包分解和EMD分解后各个频带的能量谱。再根据能量谱确定故障频带范围并对其进行信号重构。采用Hilbert变换对重构信号进行包络谱分析实现滚动轴承故障诊断。通过对滚动轴承内圈故障信号的分析验证了小波分解、小波包分解和EMD分解结合Hilbert变换进行包络谱分析的滚动轴承故障诊断方法的有效性。     

齿轮断齿机理研究及故障分析

建立了齿轮副的动态微分方程,从动力学的角度对齿轮的断齿故障机理进行分析,利用定步长的龙格—库塔法对齿轮断齿故障进行仿真分析,运用时频分析的方法研究了齿轮断齿的信号特征,为齿轮断齿故障的诊断提供理论上的支持。     

基于振动信号的电动机断条EEMD诊断方法

针对异步电动机断条的故障诊断,提出基于振动信号的集合经验模态分解(EEMD)与希尔伯特包络解调(Hilbert)相结合的电动机断条故障诊断方法。EEMD分解相当于带通滤波,可减少噪声干扰;Hilbert包络解调,可得到故障特征的包络信号,突出故障特征信息。将EEMD与Hilbert结合,既抑制了噪声,又突出故障特征分量。通过试验验证,在电动机空载和载荷情况下,该方法能够对电动机断条故障特征频率进行有效识别。     

采煤机作业时摇臂齿轮箱故障分析及诊断技术研究

以7LS06型采煤机摇臂齿轮箱为对象,在对齿轮箱主要结构进行介绍的基础上,分析了齿轮箱常见的故障问题,其中齿轮和轴承的故障问题最为显著。对齿轮和轴承工作时的振动机理及其常见故障类型进行了详细的介绍。引起齿轮和轴承振动的原因包含2方面：(1)结构件的工作原理决定;(2)结构件表面存在故障缺陷,从而改变结构原有的振动状态。可以对齿轮和轴承的振动信号进行分析,从而判断其是否存在缺陷故障。利用振动测试平台对摇臂齿轮箱的振动状态进行实际测验,并将测验结果与实际结果对比,验证了故障诊断技术的科学性与合理性。     

平行及行星齿轮箱局部故障诊断方法

平行齿轮箱及行星齿轮箱是机械设备的重要传动部件,也是故障频发部件。基于实验分析,对比研究平行齿轮箱和行星齿轮箱局部故障的特征提取方法。应用Compact-RIO采集齿轮箱的实时振动信号,运用共振解调技术,成功提取平行齿轮箱齿轮断齿故障的特征频率。对于行星齿轮断齿故障,其振动传递路径复杂,信号非平稳、非线性程度严重,共振解调技术提取不到其故障特征频率。对此,应用EEMD技术对故障信号进行分解,避免了传统的EMD技术带来的模式混叠,成功提取故障的特征频率。     

功率谱分析法在泵齿轮故障监测中的应用

在振动功率谱分析技术应用于矿用乳化液泵齿轮故障监测的研究中，通过对工作现场、制造厂多台在用乳化液泵和新乳化液泵的工况监测，得出了新泵和旧泵的正常标准功率图谱以及一些典型的齿轮故障图谱。把这项技术应用于矿山机械齿轮故障的监测很有意义。     

基于振动与声发射融合的采煤机截割部故障诊断研究

采煤机截割部传动齿轮的工作状态影响着传动系统的工作效率。对齿轮故障监测与诊断进行研究,采用CATIA建立故障齿轮模型,利用仿真软件ADAMS与COMSOL仿真齿轮啮合瞬间产生的振动与声发射信号,对信号进行特征提取,采用BP神经网络对采煤机截割部齿轮故障进行诊断。仿真结果表明,振动与声发射融合对微小齿轮裂纹的识别具有较高准确性,对采煤机故障诊断具有一定的指导意义。     

基于EMD和Hilbert包络解调的滚动轴承故障诊断方法研究

滚动轴承的运行状态会直接影响到整个旋转机械的性能,提出一种将经验模态分解和Hilbert包络分析相结合的方法对滚动轴承进行故障诊断。经验模态分解具有自适应性,能有效地将携带故障信息的高频调制信号从原信号中分离出来;利用Hilbert变换对包含滚动轴承故障所在的高频段进行包络谱分析,提取故障特征频率。将提取的特征频率与根据轴承型号参数和转速所得的滚动轴承的故障特征频率进行对比,能够辨识出滚动轴承的故障。通过对实验采集的滚动轴承振动信号进行分析,证明了该方法有效性和准确性。