基于时频特征提取与神经网络的齿轮箱故障诊断

齿轮箱是机械设备中非常重要的传动机构,其振动信号中包含齿轮箱运行状态的信息,当齿轮箱发生故障时,其振动信号特性也必然会改变。现以齿轮箱为研究对象,搭建了齿轮箱故障诊断实验台,对常见的五种齿轮箱故障进行了模拟,然后利用时、频域分析方法对所测得的振动信号进行特征提取,建立了拓扑结构为11-10-4的BP神经网络的齿轮箱故障诊断系统,并构建训练样本和测试对BP网络进行训练和测试,诊断结果表明,所构建的网络对齿轮箱的复合故障诊断正确率在97.8%以上。     

烟机组齿轮箱高速轴振动大的原因分析及对策

利用状态监测及故障诊断技术分析了300万t/a催化裂化联合装置烟机组齿轮箱振动大的原因，提出了圆瓦改椭圆瓦的解决方案。     

基于VC＋＋．net的齿轮箱振动分析系统研究

阐述了有关齿轮箱的故障诊断技术及其信号分析方法。主要思想是以功能强大的VC＋＋．net软件为工具,结合现代故障诊断技术,把对齿轮箱振动的研究方法与VC＋＋．net编程方法相结合,绘制出齿轮箱的时域图和频域图,来分析齿轮箱的振动信息,并以此来作为判断齿轮箱是否正常运行的依据。     

风机齿轮箱状态监测与故障诊断系统设计研究

针对风力发电机组地处偏远、人工巡检排故困难,利用物联网技术开发了远程状态实时监测和故障诊断系统,分析了总体框架,构建了故障诊断规则库,阐述了工作流程。该系统可实现对风机齿轮箱运行状态的远程实时监测,通过分析风机齿轮箱运行状态信息触发自动故障诊断系统和基于规则的故障诊断,生成故障诊断报告,并将其导入专家经验库。经风电机组齿轮传动实验台实验检验,系统界面友好,能为维修工程师进行故障排查提供解决方案,提高排故效率,缩短排故时间,降低排故难度。     

基于局域均值分解的行星齿轮箱故障诊断方法

在低转速工况下,容易出现行星齿轮箱故障的微弱信号和强信号难以分离的情况,导致行星齿轮箱存在微弱故障诊断精度较差的问题,为此,提出了一种基于局域均值分解(LMD)的行星齿轮箱故障诊断方法。首先,采用DASP数据采集系统,采集了行星齿轮箱不同工况下的振动信号,采用平移不变量小波降噪方法,对其振动信号进行了降噪处理;然后,采用局域均值分解方法分解了其振动信号,分别采用了能量算子和循环频率对其进行了解调处理,获取了微弱故障信号分量所对应的幅值和相位调制信息,准确提取了行星齿轮箱的微弱故障信号特征;最后,采用最小二乘支持向量机(LSSVM)识别了齿轮箱不同故障特征,判断了行星齿轮箱的运行状态,实现了行星齿轮箱的故障诊断。研究结果表明：采用基于LMD的方法,可以对行星齿轮箱的微弱异常信号及强异常信号进行准确诊断,获得满意的行星齿轮箱故障诊断结果,有效保障行星齿轮箱的安全、稳定运转。     

风力发电机齿轮箱故障诊断方法及信号仿真

针对风力发电机齿轮箱的故障,介绍常用的故障诊断方法,理论上分析齿轮箱故障振动信号的特征,并用MATLAB软件仿真其振动信号。对比正常运行与发生故障时的频域信号波形,并进行了一定的分析,为风力发电机齿轮箱的故障诊断提供了参考。     

小波基最优化在齿轮箱振动信号中的应用分析

为了提高齿轮箱低频振动信号准确表征其运行状态和高频振动信号表征故障特征的效果,通过对小波原理及小波基优化理论进行分析,选取适用于处理齿轮箱振动信号的小波基进行小波变换,将均方根误差及信噪比作为除噪性能的评价标准,获取最优小波基。基于小波变换对振动信号多层分解的特性,将最优小波基运用其中,分别重构出近似齿轮箱运动状态的低频信号,以及能够表征故障细节特征的高频信号。实验结果表明:最优小波基的应用有利于提高齿轮箱低频信号表征其运行状态频率的准确率和高频信号细节特征提取的效果,为工程实际中齿轮箱的故障诊断提供了理论基础。     

利用神经网络对齿轮箱进行故障诊断的实例分析

以JZQ250型号齿轮箱为实验对象,根据实际状况下齿轮箱的故障机理和振动特点,设计了状态监测与故障诊断实验方案,采集了齿轮箱振动信号,应用MATLAB软件中自带的神经网络工具箱,编程实现了神经网络预测模型.仿真和实验证明,此模型能够有效地检测出齿轮箱的典型故障,可以用于齿轮箱的故障诊断.     

某核电海水循环泵齿轮箱振动分析

齿轮的边频带,通常作为齿轮故障诊断的重要依据,针对某核电海水循环泵齿轮箱首次满载振动偏高,基于边频带理论对齿轮箱振动频谱进行了分析,分析结果表明该齿轮箱振动频谱符合无故障行星齿轮组的典型特征,可以排除齿轮箱局部故障的可能,该齿轮箱满足长期稳定运行的要求。     

基于非平稳时间序列双标度指数特征的齿轮箱故障诊断

齿轮箱振动信号是含噪的多分量非平稳信号,故障模式相近的复杂齿轮箱振动信号的分类是齿轮箱故障诊断的难点。采用去趋势波动分析(Detrended fluctuation analysis,DFA)方法分析齿轮箱振动信号的标度行为,随着时间尺度的增大,标度指数会突然发生改变,形成双标度指数特征,由双标度指数构成的二维矢量具有明确的物理意义,可以作为表征时间序列内部动力学机制的特征参数。提出一种基于非平稳时间序列双标度指数特征的齿轮箱故障诊断方法,对正常状态和含有轻度磨损、中度磨损和断齿故障的齿轮箱故障诊断的结果表明,提出的方法成功地解决了故障模式相近的复杂齿轮箱振动信号的分类问题,很好地克服了傅里叶变换、小波变换和基于单标度指数的方法存在的缺陷,为齿轮箱的故障诊断提供了一种新的方法。     

振动诊断在齿轮箱故障诊断中的应用概述

本文介绍了齿轮箱常见的故障形式及诊断方法,主要阐述了利用振动信息进行故障诊断的优势、齿轮故障振动诊断方法以及其在齿轮箱故障诊断中的重要性。利用振动诊断方法可以为工作人员在齿轮箱故障诊断过程中提供及时、有效地帮助。     

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.     

采煤机摇臂齿轮箱故障诊断

基于采煤机摇臂齿轮箱故障诊断技术的现状,分析采煤机摇臂齿轮箱故障诊断的难点和特点及现有诊断方法的不足,提出振动检测方案,旨在利用可靠的研究成果来改善采煤机的工作环境和工作状况,减小采煤机摇臂齿轮箱故障发生的概率。     

小波包和BP神经网络在齿轮箱故障诊断中的应用

研究如何采用处理非平稳性的实用方法以提高监测诊断效率及水平是国内外专家一直研究的课题之一。小波包技术将信号中不同的分量无冗余、无疏漏、正交地分解到独立的频带内,这些频带里的信号能量守衡,每个频带里信号的能量对于状态监测和故障诊断都是十分有用的信息。本文对齿轮箱振动信号应用小波包分解提取故障特征向量,进一步用特征向量训练前向传播BP人工神经网络,建立齿轮运行状态分类器,对齿轮故障进行识别。实验结果表明,本文方法对齿轮箱故障诊断十分有效。     

浮动式齿圈行星齿轮箱齿轮故障振动频谱模型

齿轮箱振动信号频谱结构的深入研究,对齿轮箱的故障诊断有很大帮助。但是到目前为止,还没有对齿圈浮动的行星齿轮箱频谱结构的相关研究。针对浮动式齿圈行星齿轮箱传动结构的特点,研究了振动信号传递路径对频谱结构的影响,得到了浮动式齿圈行星齿轮箱齿轮故障振动信号的频谱模型。利用包络谱对故障信号的幅值调制进行分析,简化了故障诊断工作。最后,运用所提频谱模型进行了故障诊断试验,准确发现了变速箱中的故障。     

风机齿轮箱故障诊断与预警方法的研究进展

风机运行环境恶劣,工况复杂多变,造成风电机组故障频发。齿轮箱作为风机的关键性部件,故障率达到40%~50%。因此,风机齿轮箱的故障诊断与预警一直是国内外专家学者研究的重点及热点。综述了现阶段风机齿轮箱的故障诊断与预警的三大主要方法,包括振动分析、仿真模拟以及油品性能检测(包括在线监测与离线检测)。详细地阐述了这三种方法的优缺点以及相关改进建议。最后,对齿轮箱故障诊断及预警方法进行了总结及展望。     

风电齿轮箱检修方法的研究与进展

风电齿轮箱是风力发电机组中的重要部件,在长期运行过程中不可避免会发生各类故障,其检修方法必然成为学者研究的焦点.通过对风电齿轮箱状态监测方法与手段、故障特征提取方法、维修策略的研究现状进行分析,总结检修方法研究存在的主要问题,提出开展基于多传感器的风电齿轮箱在线监测方法和手段研究、基于多源信息融合的风电齿轮箱智能故障诊断方法研究、基于寿命分布和实时监测数据的风电齿轮箱预防性维修策略研究等方面的建议,为风电齿轮箱检修方法的研究提供借鉴.     

齿轮箱故障振动诊断的研究

对齿轮箱基于振动的故障诊断（齿轮、轴承、复杂齿轮箱以及基于相瞬态过程的故障诊断方法）进行了详细地叙述,并对齿轮箱不同零部件的故障诊断方法进行了分析与探讨,指出传统齿轮箱故障诊断方法的不足,展望了今后齿轮箱故障诊断方法。     

基于倒谱和包络解调的齿轮箱故障诊断

齿轮箱是设备上重要的传动部件,齿轮故障诊断对设备的长期安全运行起着至关重要的作用.根据齿轮振动机理及谱分析来进行振动信息处理和特征提取,是目前齿轮故障诊断中的一种有效方法.分析了齿轮箱的振动故障特性,提出了用解调谱和倒谱两种分析法相结合来对系统的输出信号进行故障诊断的方法.最后在齿轮故障模拟实验台上采集了故障下的振动信...     

风力发电机状态监测和故障诊断技术的研究与进展

针对目前迅猛发展的风电装备缺乏有效监测诊断方法开展综述,指出其研究现状和值得研究的问题.综述风力发电机的发展现状、故障特点和诊断难点,风力发电机的装机容量和规模都在逐年扩大,目前基于振动监测的风力发电机在线诊断系统尚属空白,其运行维护费用增加以及频繁事故发生所造成的巨大损失严重影响了风电的经济效益.针对风力发电机中的主要故障部件,如齿轮箱、发电机、叶片等,介绍现有状态监测和故障诊断方法的研究现状.结合风力发电机工作在变转速、不稳定载荷等工况下的特点,指出研究重点是需要针对这一新型装备研究其故障机理和特定的诊断方法,研发适合于风力发电机特点的在线状态监测和故障诊断系统.