高速线材轧机齿轮箱典型故障的CTN综合诊断

为了综合提高高线轧机齿轮箱典型故障诊断能力,突出信号特征,根据高线轧机结构特征及齿轮箱振动信号特点,提出了CTN综合诊断分析新方法．采用时域波形分析、频域分析、时域趋势分析和特征频率幅值趋势分析初步定性判断设备状态和故障部件,然后利用基于多分辨率分析的小波包分解与重构算法进行精密诊断分析．研究结果实现了准确判断高线轧机齿轮箱故障性质及故障源．     

基于纵横交叉算法优化BP神经网络的风机齿轮箱故障诊断方法

风电机组齿轮箱的运行工况比较复杂,容易发生故障. 针对常规BP（Back Propagation）神经网络故障诊断容易陷入局部最优的问题,提出一种基于纵横交叉算法（Crisscross Optimization Algorithm,CSO）优化BP神经网络的风电齿轮箱故障诊断新方法. 考虑到风电齿轮箱振动信号的波动性和非线性,首先从信号中提取故障特征参数,建立带评价因子的误差分析模型,然后通过纵横交叉算法优化BP的权值和阈值对神经网络进行训练,最后用训练好的神经网络对样本进行测试. 经实验仿真并与其他方法的对比,验证了本文方法用于风电机组故障诊断有效性及优越性.     

棒线材轧机齿轮箱故障诊断技术

为了提高棒线材轧机齿轮箱故障诊断的准确率,采用共振解调技术对"矩阵判别筛选法"和"双特征分析法"机械故障诊断方法进行了整合,在分析大量实验、实测数据以及所发现的21次故障隐患的基础上,归纳出棒线材厂轧机齿轮箱故障诊断的基本规则,并应用于现场实际诊断.     

齿轮箱故障诊断中的正交匹配追踪算法

为通过齿轮箱的振动信号进行故障诊断,应用正交匹配追踪算法对振动信号进行处理.齿轮箱的振动信号包含了齿轮箱运行状态特征,但同时也掺杂了大量噪声信号,总体呈现出非平稳性.齿轮箱故障诊断的关键是从齿轮箱的振动信号中剔除冗余信息,用少量特征信息准确的表达信号,完成对信号中故障特征的提取.传统的频域分析法,只能从频域图上定性的判断故障,无法做到定量判断.正交匹配追踪算法是一种定量提取特征的方法,在傅里叶正交基下对振动信号进行时域向频域的映射,在频域上定量的得到主要特征,再根据主成分分析思想,提取出3组主要特征点,将已知故障分类的信号特征与待检测信号的特征进行对比,通过频域的位置和幅值的两次比较,判断故障状态,实验证明该方法可以准确的判断出齿轮箱从正常状态到100%磨损的5个不同形态的特征,完成对齿轮箱的故障诊断和分类.     

基于小波变换和优化CNN的风电齿轮箱故障诊断

针对传统故障诊断方法过于依赖人为经验的缺陷,提出小波变换和二维密集连接扩张卷积神经网络(WT-ICNN)的风电齿轮箱智能故障诊断方法. 所提方法将一维振动信号通过连续小波变换(WT)转换成二维故障图像;再将二维故障图像输入ICNN中进行训练和测试. 通过齿轮箱开源数据和风场实测数据验证结果表明,与传统故障诊断方法相比,所提方法采用密集连接的结构自适应特征提取时频图,有效加强了故障特征的利用效率;在对风电齿轮箱的故障诊断中,所提方法具有更好的特征复用能力和更高的诊断精度.     

小波包变换在齿轮箱螺栓拉断故障诊断中的应用

针对齿轮箱运转异常时,经小波包变换的信号某一频带振动能量值会有较大变化的特征,探讨了小波包变换在齿轮箱故障诊断中的应用．通过对测取的齿轮箱振动信号进行小波包变换,可有效提取齿轮箱螺栓拉断的故障信息．分析表明,旋转机械的振动信号有稳定的频带分布,通过结合故障特点,把每一故障的频带特征提取出来,能为故障诊断提供很好的征兆．     

基于最小二乘法的热连轧机振动信号分析

为解决某热连轧机组在提高控制系统增益后发生异常振动故障这一问题,首先对相关部位进行了振动测试和测试信号的谱分析,获得了异常振动信号的特征.在此基础上将最小二乘法的辨识方法应用于热连轧机的异常振动故障诊断,建立了基于最小二乘法的热连轧机ARX故障诊断模型并通过了模型检验.对故障模型的稳定性分析表明:正常轧制状态下运行的系统是稳定的,而在提高增益后发生异常振动时系统极点非常靠近虚轴.从模型结构上来看,两者最明显的区别是纯延时的差异,纯延时破坏了系统的稳定性,形成了轧机的自激振动.同时也表明最小二乘法在解决大型复杂机电系统故障诊断问题的可行性和优越性.     

基于盲源分离的齿轮箱状态检测与故障诊断

针对高背景噪声的影响及混合故障诊断困难这一问题，采用盲源分离技术作为信号预处理与故障特征提取的主要工具，并应用这一新技术解决了故障曝气机WA5齿轮箱振动信号的故障诊断问题.通过盲源分离得到准确的故障信号，并根据故障振动信号频谱诊断出故障.利用盲源分离技术可以有效地去除外来干扰，提高故障诊断精度 ，解决了现实工作中的故障定位、早期故障诊断率低等难题.     

基于FS-PCA-MSCD的地铁轴承可视化诊断方法

针对地铁轴承的可视化故障诊断能力,本文提出了基于特征选择(Feature Selection,FS)与多尺度类距离(Multi Scale Class Distance,MSCD)的轴承故障诊断方法.首先对地铁齿轮箱轴承振动信号进行采集,获得不同故障类型的轴承故障样本集;然后基于FS方法提取故障样本中存在的敏感特征值,并利用获得的特征向量进行主成分分析(Principal Component Analysis,PCA),基于MSCD方法对各故障聚类进行再分类,提高故障类的可分性,获得可视化程度高的故障诊断结果.利用该方法对地铁齿轮箱轴承故障数据进行可视化故障诊断,诊断结果表明该方法能够提取敏感故障特征并获得具有较高故障可分性与可视化的诊断结果.该方法为地铁轴承在线故障分析能力提供了技术支持,在地铁运行维护与故障诊断方面均具有广阔的应用前景.     

高炉布料器齿轮箱回转支承故障诊断

回转支承是高炉无料钟炉顶传动齿轮箱中承受载荷最大的部件,在振动、高温、灰尘和高炉煤气的复合作用下长年运行,工况恶劣,易产生突发故障．对某厂传动齿轮箱进行振动分析、油脂光谱分析和材质分析表明：振动分析是高炉无料钟炉顶传动齿轮箱故障诊断和事故分析的有效手段．     

面向齿轮箱故障诊断的序贯概率比检验理论和方法

提出了一种基于序贯概率比检验的齿轮裂纹故障诊断方法,并选用了无裂纹和有裂纹的齿轮模拟故障模式.实验中提取的振动信号夹杂着噪声等干扰,运用具有良好去噪效果的小波包方法对齿轮箱振动信号进行预处理.采用时域分析法提取预处理后信号的特征值,提取对冲击性振动非常敏感的峭度值作为特征值.将序贯概率比检验算法应用于齿轮箱故障模式的检验和识别.为了验证所提出方法的诊断能力,本文选用均方根误差的方法来计算同种故障之间,以及不同种类故障之间的识别误差,结果表明了所提出的方法是有效且强大的.     

电梯曳引机减速箱振源分析及故障诊断

电梯曳引机减速箱的振动、噪音和故障与使用维修保养不善有很大的关系,本文从曳引机的各组成要素：蜗杆蜗轮、滚动轴承和电机等几个方面对电梯曳引机减速箱的振动和故障机理进行了一定的探讨。     

基于倒频谱特征提取的齿轮箱故障诊断

介绍了齿轮箱故障的特点、倒频谱分析的基本原理以及例频谱分析在齿轮箱故障诊断中的应用。首先,用传统的傅立叶变换法对故障信号进行分析,结果无法有效地提取故障特征;其次,对故障信号进行倒频谱分析,发现能很好地捕获故障信息。实验证明：倒频谱分析在齿轮故障诊断中具有无比的优越性。     

风电齿轮箱齿轮传动系统非线性因素影响分析

针对风力发电机齿轮箱在实际风场中工况复杂的问题,采用集中质量参数法建立了风电齿轮箱传动系统高速级齿轮滚动轴承耦合动力学模型,考虑了传动系统的综合啮合刚度、误差激励、齿面侧隙和轴承径向刚度等非线性影响因素,对1.5 MW风力机齿轮箱传动系统的非线性动力学模型进行了仿真计算分析.采用Runge-Kutta法对模型进行求解得到传动系统的时域波形和幅频响应.结果表明:较小齿面侧隙会使系统出现较大振动响应,随着齿面侧隙增大,系统振动位移减小,会导致系统从周期走向混沌响应;轴承游隙的存在使系统产生混沌响应,呈现出非周期的特征.     

检测与诊断齿轮裂纹故障的一种方法

基于径向基函数(RBF)网络优化的粒子滤波降噪与序贯概率比检验相结合的原理,提出了一种检测与诊断齿轮裂纹故障的方法,并采集一种无裂纹与另外两种存在差异裂纹齿轮的水平方向振动信号,对该方法进行验证.首先,运用RBF网络优化的粒子滤波程序对原始振动信号进行降噪预处理,将振动真实值从中提出;然后,利用时域分析法提取振动真实值的特征参数(峭度值)序列;最后,将特征值序列输入序贯概率比检验程序,根据结果图综合分析对不同齿轮故障进行区分.结果表明建立的优化粒子滤波程序对原始振动信号降噪处理效果良好,获得了细致、准确和稳定的振动信号;序贯概率比检验能比较与区分齿轮不同的故障,改进了齿轮箱故障检测与诊断效果.     

单齿裂纹行星轮系合成刚度的劣化特性

行星轮系由于结构复杂,其齿面损伤对系统动态特性的影响不易评估,因而为行星轮系的故障诊断带来很大障碍.以某NGW21型行星齿轮减速器为研究对象,在内齿圈固定的前提下,研究了健康轮系的刚度合成方法以及齿面损伤条件下的刚度劣化行为.采用能量法获得了行星轮与太阳轮和内齿圈单独啮合时的刚度分布曲线,进而基于轮系内部的运动关系和各行星轮之间的相位关系,建立了多点同时啮合工况下的轮系刚度合成方法.针对太阳轮、内齿圈分别存在不同深度裂纹的情况,探讨了裂纹齿轮与行星轮单独啮合时的刚度分布,并最终对同一行星轮参与的内、外啮合刚度进行了合成.结果表明:太阳轮裂纹引起的整体刚度劣化更为明显,将更显著地影响行星轮系的响应特性.     

基于小波包络谱分析法的齿轮箱故障振动信号诊断

利用正交小波基将齿轮箱故障振动信号变换到时间一尺度域.对高频段尺度域的小波系数进行包络细化谱分析,不仅能检测到齿轮箱内部故障的存在,而且能有效地识别故障模式,说明了正交小波分析是信号检测淹没于非平稳信号中瞬时信号的有力工具.结合实例.从小波故障特征提取来说明小波变换的有效性.     

Application of particle swarm optimization blind source separation technology in fault diagnosis of gearbox

Blind source separation (BBS) technology was applied to vibration signal processing of gearbox for separating different fault vibration sources and enhancing fault information. An improved BSS algorithm based on particle swarm optimization (PSO) was proposed. It can change the traditional fault-enhancing thought based on de-noising. And it can also solve the practical difficult problem of fault location and low fault diagnosis rate in early stage. It was applied to the vibration signal of gearbox under three working states. The result proves that the BSS greatly enhances fault information and supplies technological method for diagnosis of weak fault.     

基于EMD和分形的齿轮箱故障特征提取

在齿轮箱齿轮振动信号处理中,可将经验模式分解 （Empirical Mode Decomposition,EMD）和分形技术结合在一起．先进行EMD分解,并针对EMD的端点效应问题提出了基于最小能量误差的端点效应抑制方法;计算各IMF分量的分形维数,根据同类故障具有相似特征,主要表现在模式空间上距离相近,从而利用未知故障网格维数与已知故障网格维数的距离远近来对故障类型进行判断．实测验证结果表明：通过比较网格雏数,能有效判断故障的类型,该方法大大简化了故障诊断过程．