排序方式: 共有77条查询结果,搜索用时 46 毫秒
51.
52.
为了诊断出强噪声干扰下的齿轮故障,提出时域同步平均技术与AR模型相结合的齿轮故障诊断方法。用TSA技术提取强噪声干扰下的齿轮特征信号,用FPE准则确定AR模型的阶次,利用AR模型参数算法确定齿轮正常状态下参数向量及参数容差范围,然后在模型阶次不变的情况下分析齿轮故障信号的AR模型参数,对比建立的参数容差范围,从而诊断齿轮故障。将该方法对实际试验信号进行分析,对提取到的8组正常齿轮特征信号数据建立AR模型,优化AR模型的最佳阶次为5阶,由AR模型参数算法得到了正常齿轮的AR模型参数向量及参数容差范围,再用同样阶数为5阶的AR模型分析了故障状态下的几组模型参数,对比建立的正常AR模型参数容差范围,从而诊断出齿轮故障。 相似文献
53.
54.
齿轮的故障特征信息常常隐藏在齿轮的振动信号中,而振动信号则往往通过加速度传感器采集获得。在不同位置所采集到的振动信号,其噪声干扰也往往存在着强弱差异,因此找到传感器对信号采集的敏感位置在信号采集中显得尤为重要。通过采用故障特征参数值分析方法中的不同的故障状态指标作为参考依据,同时在去噪方法中采用能明显提高信噪比的时域同步平均方法进行去噪,结果发现:安装在靠近轴承座附近位置的A04号传感器所采集的振动信号噪声干扰较小;通过加速度传感器采集齿轮箱的振动故障信号时,最敏感位置应存在于轴承座附近。 相似文献
55.
齿轮箱运转的环境会导致信号采集时产生强大的噪声干扰,提出时间序列的方法对齿轮箱进行故障诊断。采用时间序列分析对行星齿轮箱进行谱分析,通过与传统频谱分析比较可以看出,该方法具有较好的识别能力。通过Labview虚拟仪器设计的数据采集系统进行数据的采集提取特征信号,确定模型阶次为5阶,最后利用AR模型参数算法来确定其正常状态下齿轮参数容差范围,在阶次不变的情况下分析出故障信号的模型参数,与正常信号参数容差范围进行对比,从而对齿轮箱故障进行诊断,该方法在齿轮诊断方面效果较为显著。 相似文献
56.
57.
58.
59.
首先介绍UG/Open的开发工具,并具体给出菜单制作技术的具体步骤.在此基础上,借助整体叶轮加工模块的开发,详细阐述在VC+ +6.0开发平上,利用UG/Open API函数实现UG菜单的用户化定制,结合实例分析UG菜单的制作过程,给出菜单制作的具体函数代码,对UG菜单的制作具有很好的指导意义.此开发技术可以实现对UG系统的功能集成,使之与UG系统达到无缝集成. 相似文献
60.
在夹具设计过程中,工件-夹具之间的接触力是工件稳定性分析和加工精度估算的关键因素.为此,根据多重夹紧力对工件的作用过程,建立了接触力与多重夹紧力的大小、作用点以及夹紧顺序之间的接触力模型.基于总余能原理,提出了接触力模型的求解算法.最后通过典型实例,详细说明了接触力的分析预测过程. 相似文献