汽车主减速器非线性振动特性仿真

研究了汽车主减速器主传动齿轮的振动特性,考虑汽车主减速器传动中的齿侧间隙、时变啮合刚度、啮合冲击等非线性因素,建立变参数、弯扭耦合的8自由度非线性动力学模型,分析了主减速器周期、拟周期、混沌等3种典型振动形态,并对不同参数对系统非线性动态响应特性的影响及系统参数与关联维数、最大Lyapunov指数等非线性特征量之间的关系进行了仿真研究.结果表明,激励频率、刚度比、阻尼比等参数的变化对主减速器振动形态的影响形式有一定的规律性,非线性特征量对于主减速器振动特性具有足够的敏感度,能够表征主减速器的不同振动形态,并通过对实测3类主减速器振动信号的分析进一步验证了该结论.     

基于局域波及相关性分析的滚动轴承故障诊断

振动信号是轴承工作信息的载体,为了对齿轮减速器内轴承的运行状态进行故障监测和诊断,对振动加速度信号进行了局域波分解,提取了近似熵及相关性参数,利用近似熵及局域波分解所得到的趋势项快速区分正常与故障状态,根据相关性参数的变化特点寻求滚动轴承的故障信号主导模态分量,准确提取故障部位的特征频率.将该方法应用于齿轮减速器JZQ250的故障诊断中,经过对大量实测数据的处理和分析,能够准确诊断出减速器的正常运行状态、内圈故障、外圈故障和保持架故障的运行状态,具有一定的工程实用价值.     

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.     

用振动和噪声信号诊断汽车变速箱齿轮故障的研究

在深入阐明应用振动与噪声信号诊断齿轮故障机理的基础上，通过对测取的齿轮正常和故障运行状态下的振动与噪声信号进行分析处理，研究了几何误差显著差异和具有典型故障的齿轮系统的振动与噪声信号的频域图象特征及其识别技术，并作了特征参数的提取同时，对分别应用振动和噪声信号诊断齿轮故障的等效性作了对比分析     

基于ADAMS的驱动桥齿轮啮合动力学仿真研究

运用CATIA软件建立驱动桥主减速器和差速器齿轮传动系统的三维实体模型,基于ADAMS软件建立了主减速器和差速器齿轮传动的虚拟样机模型．将Hertz接触理论嵌入仿真模型,在齿轮之间施加接触力,实现了齿轮啮合的动态实时仿真．通过在主减速器主动齿轮施加转速驱动,差速器半轴齿轮施加不同的负载转矩,模拟了汽车在转弯工况下驱动桥主减速器和差速器的齿轮传动,得到了主减速器齿轮、差速器齿轮的转速以及啮合力曲线,为深入研究齿轮传动系统动态特性提供了理论参考依据．     

基于PCA与SPRT的机械故障诊断方法研究

提出了一种基于主元分析法（PCA）和序贯概率比检验（SPRT）的齿轮箱故障诊断新方法。选用正常的和有裂纹的齿轮建立实验模型,采用小波包变换对齿轮箱实验系统采集的振动信号进行预处理。采用时域信号分析方法提取振动信号的特征参数,并运用PCA对数据进行降维。选取降维后贡献率最大的主元作为测试参数,验证了所提出的SPRT算法和均方根误差,并检测了该方法的诊断能力。结果表明,该方法对于齿轮箱的齿轮状况识别是有效且实用的。     

基于小波包分析和频带能量分解的齿轮点蚀故障识别

当齿轮发生点蚀故障时,振动信号中齿轮固有频率的频带能量有较大提升.根据这一特点,提出一种利用小波包分析和频带能量分解对点蚀故障进行识别的方法,并通过实验验证其有效性.     

基于提升小波变换和Hilbert调制技术的故障识别方法

齿轮局部发生故障后,非线性振动信号频谱中齿轮啮合频率及其二、三次谐波附近的边频带均出现显著增长.由于提升小波算法预测和更新原理与故障信号紧密相关,利用提升小波对振动信号进行时频特性分析和信息预处理,通过预测器和更新器的设计取代小波基函数选取过程;随后对蕴含大量故障特征信息的高频细节信号实施Hilbert变换,调制信号的包络谱中彻底剔除常规振动分量仅保留故障信息,该方法可高效识别振动信号频谱中的齿轮故障特征频率.最后用实例验证基于提升小波变换的Hilbert调制分析在齿轮故障诊断中的有效性.     

基于振动信号分析的齿轮故障诊断方法研究

本文介绍了齿轮振动信号的时域分析与频域分析的理论基础。针对齿轮常见故障原因和类型,引出了齿轮故障诊断的常用方法,并选用经典的振动分析法,利用MATLAB信号分析功能,对齿轮故障信号的时域和频域分析进行了详尽的阐述。本文对齿轮故障诊断有一定的指导意义。     

齿轮箱振动源信号分离与故障诊断研究

对齿轮的运行状态进行监测能够有效消除设备的潜在故障,避免大的事故发生.然而由于工作条件恶劣,很难采集到齿轮箱真实可靠的振动信号.由此,提出了一种基于独立分量分析（ICA）和支持向量机（SVM）相结合的齿轮故障诊断方法.首先利用ICA从被噪声污染的齿轮箱振动信号中分离出真实振动源信号,以提取可靠的齿轮状态高阶统计特征信息;而为了准确监测设备运行状态,采用支持向量机（SVM）对所提取的特征进行学习与智能分类,以检测齿轮早期故障.结果表明,通过齿轮箱故障实验分析,所提出的方法能够有效提取齿轮振动源信号,准确识别与诊断齿轮裂纹、点蚀以及断齿等故障状态,且精度比未进行源分离高10%,具有较好工业应用价值.     

两种传递路径不同振动信号的特征分析

针对齿轮故障诊断中使用的齿轮箱箱体振动加速度信号的传递环节多,信号存在非线性交叉耦合的情况,研究了使用从传动轴端测取的扭转振动信号进行诊断的方法.对比了这两种传递路径不同振动信号的双谱特征,箱体振动加速度信号的传递路径复杂,导致其频率成分复杂;而扭转振动信号的传递环节少,获取信号的路径直接,干扰因素减少,信号频率成分比较单纯,利用通常使用的谱分析,故障特征就可以清晰地提取出来,利于齿轮故障的准确判断.     

基于时频消噪TFPF和时频分布MBD的轴承早期故障诊断

噪声是影响轴承、齿轮等机械设备早期微弱故障特征正确提取的主要因素,利用新颖的时频峰值滤波技术TFPT有力的噪声消减特性,将PTFT与改进的时频分布MBD相结合,提出了时频峰值滤波TFPT-时频分布MBD的故障识别新方法,即应用TFPF消减振动信号的随机噪声作为时频分析的前置处理,对消噪的故障信号作MBD时频分析来识别故障特征,给出了时频峰值滤波时频分布的故障诊断模型。诊断实例的分析结果表明了与传统的MBD的故障特征提取相比,提出的改进方法更易提取出强噪声背景下的轴承早期的微弱故障,具有明显的可诊断性和实用性。     

轧机主传动齿轮箱振动原因分析与判断

某型钢万能轧机齿轮箱是生产线的关键设备,在一次设备正常巡检时发现该轧机主传动齿轮箱振动异常.为查找齿轮箱振动的原因,利用现代振动测试手段对齿轮箱的轴承座的振动进行测量.在测试的基础上,利用故障排除法诊断出齿轮箱故障是由于齿轮箱之外其他故障引起.本齿轮箱振动故障诊断拓展了齿轮箱故障诊断方法,对其他齿轮箱振动故障诊断有所启发.     

双树复小波包和谱峭度在齿轮故障诊断中的应用

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法.首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息.通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信息,进而实现故障识别,验证了方法的可行性和有效性.     

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.     

基于小波变换的水轮机组故障诊断的研究

对传统傅立叶分析技术在水轮机组振动故障诊断的故障特征提取的应用进行深入研究的基础上,针对使用该方法提取的频率信息精度不够的问题,提出了一种运用小波分析技术对水轮机组振动信号进行故障诊断的方法.采用Mallat算法并运用设定阈值的方法对采集到的裂纹转子的振动信号进行去噪,然后运用Trous算法对滤波后的振动信号的突变信号特征进行提取.结果表明本方法对水轮机组的振动信号故障诊断具有很好的准确性,为水轮机组故障识别提供了一种方法.     

基于小波分析的透平机械振动故障特征定量识别研究

通过对透平机械振动信号的连续小波变换，利用小波滤波器良好的时频特性,研究了振动故障信号的统计特征．在信号的特征提取中引入“灰度矩”，并把一阶矩作为定量指标．对8种典型振动故障信号的初步研究表明，这种方法能够简单有效地提取信号的特征，区分振动故障．