基于ALE的自适应滤波在轴承故障诊断中的应用

提出了一种基于谱线增强的变步长自适应滤波方法,从滚动轴承的振动信号中分离出故障冲击信号,便于包络分析获取故障特征频率.介绍了该方法的原理及算法实现,并对未知高频固有振动的滚动轴承进行了故障诊断,效果明显优于传统带通滤波方法.     

高阶累积量自适应滤波在列车轴承故障诊断中的应用

论述了基于三阶累积量的递推最小二乘自适应算法(CDRLS)和基于累积量的指数遗忘窗的最小均方误差自适应算法(CDEFWLMS).通过对机车滚动轴承的保持架断裂典型故障信号的分析得出高阶统计量自适应算法具有良好的降噪性,CDEFWLMS 算法比 CDRLS 算法处理后的幅值更突出.讨论了用模糊 C 均值(FCM)算法聚类 CDEFWLMS 算法和 CDRLS 算法滤波后的信号频谱,得出经 CDEFWLMS 算法处理的故障隶属度要比CDRLS 算法较大,从而进一步验证了高阶累积量自适应算法在实际故障诊断和检测中有着良好的应用特性.     

小波分析在车辆故障诊断中的应用

车辆变速箱振动信号可用小波分析法预处理后，再用小波包能量尺度图分析法识别故障，按此法对BJ212变速箱准确地进行了故障识别，结果表明利用小波分析进行变速箱故障诊断的方法行之有效。     

门限关联度在机车变速箱故障诊断中的应用

本文介绍了在灰色多参数诊断法基础上建立起来的门限关联度法的概念，计算公式，并应用该方法，对实际测量得到的２９台某型内烯机车变速箱的振动信号进行了分析，通过适当调整门限系数，使计算结果与２９台变速箱分解检情况取得很好的一致性。     

人工神经网络在汽车变速箱状态监测和故障诊断中的应用

汽车变速箱疲劳寿命试验中的可有发生的故障种类很多。又由于汽车变速挡位多，多对齿轮同时啮合，结构紧凑，部件之间相耦合，因而监测诊断用的振动加速度信号与故障之间的映射关系非常复杂。特征与故障之间并非简单的一一对应关系。以信号处理技术为手段的常规诊断技术已显示出故障诊断能力较弱的不足。Ａｒｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（简称ＮＡＡ，人工神经网络）以其非线性大规模并行分布式处理与图像处理、控     

小波分析在装裁机变速箱滚动轴承故障诊断中的应用

采用小波分解和重构的方法，提取装载机变速箱滚动轴承振动信号中被噪声所掩盖的由滚动表面剥落磨损所引起的冲击成分，并加以分析。通过对滚动轴承出现外圈剥落情况下振动信号的分析，说明这种方法可以有效地用于变速箱滚动轴承的故障诊断。     

油液监测技术在推土机变速箱故障诊断中的应用

综合采用理化性能分析、铁谱分析和原子光谱分析技术等多种油液监测分析技术,对SD16型推土机变速箱润滑油的油品状态、油液中磨粒的大小、形貌及元素种类、含量等进行分析。确定变速箱合理的换油时间,并判断变速箱的磨损部位及磨损状态,为研究变速箱关键零部件的磨损规律打下基础。     

DT-CWT相关滤波在齿轮箱故障诊断中的应用

根据小波系数的相关分析理论,提出了基于双树复小波变换的小波相关滤波法。该方法根据相邻层小波系数的相关性,通过迭代过程自适应地进行滤波,能够在达到良好降噪效果的同时保留微弱故障特征信息。对降噪后的信号进行希尔伯特包络分析便可准确得到故障特征频率。试验信号分析与工程应用结果表明,该方法能够有效提取强背景噪声下的齿轮箱轴承早期故障特征信息。     

小波包分析在变速箱自动故障诊断中的应用

小波包分析技术能有效的在宽频带范围内提取振动信号的有用成分,便于实现变速箱的自动诊断。本文研究了小波神经网络在变速箱自动诊断应用中的几个关键问题,提出了相应的解决方法,并设计了拖拉机变速箱自动故障诊断系统。     

基于相关解调法的车辆变速箱故障诊断研究

变速箱是车辆最重要的传动装置,同时也是故障率较高的机构,对其健康状况和故障进行准确评估与诊断具有重要意义。相关解调法是一种既有较好的降噪效果,又能最大限度地保留信号中周期性成分的故障诊断方法。通过全面系统的理论分析,得出的调幅、调频、调幅调频信号经过自相关后各有其特点,但均转化为调幅的形式,且调制频率不变;因此相关解调法适合于提取调幅、调频特征共存的变速箱振动信号的故障特征。最后通过数字信号仿真,验证理论推导的正确性,并将其应用于某特种车辆变速箱的故障诊断,达到较好的效果。     

基于稀疏信号分解的自适应时变滤波器及其在齿轮故障诊断中的应用

提出一种新的自适应时变滤波器设计方法,并将其应用于变速齿轮箱齿轮故障诊断中.齿轮箱振动信号频率成分复杂,特别是多级变速齿轮箱,存在多个啮合频率,而齿轮箱齿轮故障诊断的核心是获取啮合频率的调制状态.在非平稳转速下,如何从复杂振动信号中提取包络调制信号是齿轮箱故障诊断需要解决的关键问题.基于多尺度线调频基(Multi-scale chirplet)的稀疏信号分解方法可以有效地提取频率呈曲线变化的信号分量,适合于载波频率的提取,以该载波频率为滤波器的中心频率,转频的倍频为滤波带宽,设计滤波中心频率曲线变化的自适应时变滤波器,可以有效地将多个包络调制信号分别提取出来,进而可以对变速多级齿轮箱齿轮进行故障诊断.提出的自适应滤波器可以根据信号本身的特点自动改变滤波中心频率和滤波带宽,对信号进行滤波,保留信号的有用频率成分,抑制无用成分.仿真算例和应用实例说明了方法的有效性.     

小波分析在齿轮箱故障诊断中的应用

对齿轮箱故障特点和诊断方法进行了分析，介绍了小波分析方法，并以小波分析在信号分析和信号消噪处理中的应用为例，体现小波分析比传统分析方法的优越性，是故障诊断的一种有效方法。     

滚动轴承故障监测诊断中的自适应滤波算法

针对滚动轴承故障分析诊断中的载波带选择过程进行研究,提出了基于峭度指标的自适应最优滤波算法,仿真和试验台的研究结果表明,此算法不仅能够准确地诊断出轴承故障,以全自动的方式实现滤波过程,而且自适应最优滤波算法的故障诊断效果远远优于固定滤波算法和基于小波包变换的滤波算法。     

基于EMD与同态滤波解调的矿用齿轮箱故障诊断

针对矿用齿轮箱振动信号的特点,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)与同态滤波相结合的故障解调方法.利用EMD对某矿用皮带机齿轮箱故障信号进行分解,得到若干个本征模态函数(intrinsic mode functions,简称IMFs)分量,然后对其中较突出的IMFs进行同态滤波解调分析,提取出了频率为7.0Hz的调制故障信号.研究表明,EMD与同态滤波解调相结合是一种有效的齿轮箱故障诊断方法.     

神经网络在齿轮箱故障诊断中的应用

通过对齿轮箱振动信号的分析处理,将齿轮箱故障信号的频带能量归一化后的数据作为神经网络的训练样本,得到神经网络各层神经元的权值和阀值将其保存,并取另一组故障特征信息作为输入信息对其验证,得到齿轮箱故障诊断的结果.     

油液分析技术在齿轮箱故障诊断中的应用

齿轮箱是机械变速传动的关键部件,齿轮的故障诊断有多种方法,运用油液分析技术对齿轮箱进水故障进行诊断,并举例进行分析。     

自适应改进双树复小波变换的齿轮箱故障诊断

针对双树复小波变换存在频率混叠以及参数需自定义的缺陷,提出自适应改进双树复小波变换的齿轮箱故障诊断方法。首先,利用双树复小波变换将信号进行分解和单支重构,采用粒子群算法将分解后分量峭度值作为适应度函数,选择双树复小波的最优分解层数;其次,对重构出的低频信号进行频谱分析提取故障特征,将单支重构后的各高频分量进行变分模态分解,通过峭度值获得各高频分量经变分模态分解后的主频率分量信号;最后,分析各主频率分量信号的频谱,识别齿轮箱的故障特征。结果表明,该方法与双树复小波变换和变分模态分解相比,不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且还提高了从强噪声环境中提取瞬态冲击特征的能力。     

改进的EMD在齿轮箱故障诊断中的应用研究

提出了一种改进的经验模态分解(Empirical Mode Decomposition,EMD)的故障诊断方法。即将小波包降噪、相关系数原理及选择不同消失矩的db系小波降噪与EMD分解结合在一起的改进方法,其步骤是对故障信号先进行小波包降噪预处理;再进行EMD得到一系列IMF;计算各个IMF与原始信号的相关系数得到需要重复降噪的有效集;根据有效集中IMF的突变性强弱来选择不同消失矩的db系小波进行重复降噪;重构信号并且生成功率谱。实验结果表明,该方法很好地去除了混杂在故障信号中的噪声,提高了信噪比,可以很好地区分出齿轮箱的齿轮和轴承是正常状态还是发生了断齿故障。