振动调幅信号广义检波滤波解调法及其在齿轮故障诊断中的应用

在分析解调电路工作原理的基础上提出了调幅信号半波解调方法。对其解调原理作了数学推导，并进一步推广提出了广义检波滤波解调方法，讨论了该方法在齿轮故障诊断中的应用。     

齿轮故障诊断专家系统

在分析了以往的齿轮诊断方法及大量试验数据的基础上，选出了对应于各故障敏感的参量，总结扫描了齿轮故障的判据并在此基础上建立了故障诊断的专家系统，把模糊理论用以知识表示进行不精确推理，采用元知识控制下的反向推理机制并根据推理结果赋以合理的解释，该系统既能本向自动诊断又能结合其它诊断方法作精蜜诊断；还能兼顾在线监测与离线分析，利用该系统对齿轮试验数据进行分析、处理进而推理，诊断获得了满意的效果。     

瞬时频率波动分析与齿轮故障诊断

本文研究了齿轮振动信号调制与解调的过程与机理。并根据希尔伯特变换理论,提出了一种早期诊断齿轮故障的新方法—瞬时频率波动(TFF—Transient FrequencyFluctuation)分析法,实现了频率调制信号的解调,较好地提取了齿轮的局部损伤信息。在大量试验与分析的基础上对该方法进行了验证。     

球磨机齿轮传动系统状态检测与故障诊断

本文主要介绍针对φ2700×3600溢流型球磨机齿轮传动系统异常的基本形式及振动特点进行状态检测与故障诊断,分析确定齿轮传动系统的工作状态和性能劣化趋势,以保证球磨机齿轮传动系统优良的管理和维修。     

倒频谱在齿轮故障诊断中的应用

根据倒频谱所具有的特性，将原来信号频谱图上成族的边频带谱线简化为单根谱线。利用这一特点来识别齿轮振动复杂频谱图上的周期结构，分离和提取出密集泛频信号中的周期成分、多成分边频等复杂信号，使测试系统的在线故障诊断更加快速准确。     

HHT在齿轮故障诊断问题中的应用

齿轮作为一种重要的机械传动设备,对其进行故障诊断具有重要意义。传统的齿轮故障诊断大都采用FFT或者小波分析方法,对处理具有非平稳性的齿轮故障信号效果不太明显。HHT由经验模态分解方法(EMD)和Hilbert变换两步组成。经验模态分解方法(EMD)把时间序列信号分解成不同特征时间尺度的固有模态函数(IMF),适合处理非线性和非平稳过程。Hilbert变换对具有调制现象的信号的分析有很大优势。介绍了该方法的基本原理,并将HHT应用于齿轮断齿故障诊断,齿轮故障实验信号的研究结果表明:基于HHT的分析方法,能有效地诊断齿轮的故障。     

基于SVM与多振动信息融合的齿轮故障诊断

针对齿轮振动信号故障特征微弱以及单个传感器故障诊断可靠性与准确性低等问题,采用多传感器信息融合方法,利用支持向量机(SVM)对8路齿轮振动信号进行特征级融合,实现故障诊断.研究结果表明:基于多个传感器单个特征量信息融合的齿轮故障诊断率比常规的基于单个传感的多个特征量的诊断准确率更高,诊断结果更可靠;峰值因子对齿轮故障最敏感,以峰值因子为特征量的多传感器信息融合,诊断准确率达93.33%.     

齿轮箱故障诊断中复杂振动调制现象的分析

阐述了齿轮断齿和轴严重弯曲两例严重故障发生时，所出现的复杂振动调制现象。从齿轮振动产生及调制边频带形成机理出发，对这种现象进行了分析。     

小波分析在齿轮故障诊断中的应用

利用MATLAB语言编程检验了小波分析在齿轮故障诊断中的应用效果,利用双正交小波基(Bior2 4)将减速机箱体的故障振动信号分解到时频域,提取出了齿轮故障信号.同时结合传统的故障诊断方法进一步诊断了齿轮的故障模式.试验结果验证了上述方法综合应用的有效性.     

齿轮故障诊断专家系统的研究与实现

基于齿轮故障诊断方法及大量实验数据，结合齿轮故障的判据，研究并建立了适应于齿轮故障诊断特点的齿轮故障诊断专家系统．本论文根据齿轮故障产生的机理及诊断方法，采用了框架及产生式知识表示形式，设计了齿轮故障诊断的专家知识库．通过规则集与规则集之间采用有知识搜索、规则集内部采用前向推理、规则前提和结论之间采用哈希算法的有机结合来实现推理机制。从而实现齿轮的故障诊断．利用该系统对齿轮试验数据进行分析、处理进而推理、诊断获得了满意的效果．     

小波分析在齿轮故障诊断中的应用

利用MATLAB语言编程检验了小波分析在齿轮故障诊断中的应用效果,利用双正交小波基(Bior2.4)将减速机箱体的故障振动信号分解到时频域,提取出了齿轮故障信号.同时结合传统的故障诊断方法进一步诊断了齿轮的故障模式.试验结果验证了上述方法综合应用的有效性.     

主分量分析法在齿轮故障诊断中的应用

探讨了主分量分析法在齿轮故障诊断中的应用问题,从理论上对主分量分析法进行了推导和分析,讨论了其误差,编写了用该法诊断故障的程序,并给出了齿轮诊断的应用实例。该方法直接利用齿轮振动噪声信号进行分析,具有速度快、准确性高的优点。     

匹配追踪在齿轮故障诊断中的应用

提出了一种基于匹配追踪的齿轮振动信号的特征提取方法.通过仿真计算将该方法与传统的时频分析方法,如短时傅里叶变换进行比较,验证了该方法的优越性.将匹配追踪方法应用到实际的齿轮故障诊断中.结果表明,该方法能准确地提取故障齿轮的冲击和谐波成分.因此,匹配追踪方法应用于齿轮故障诊断是有效的.     

倒频谱分析在齿轮故障诊断中的应用

齿轮传动的动态性能和许多因素有关,情况是非常复杂的.本文分析了齿轮传动的频率特性和它所产生的频率和幅值调制信号.利用倒频谱技术可以区分齿轮箱中不同转速的齿轮所产生的振动信号;同时倒频谱不会受信号传递通道和相位所影响.因此倒频谱是分析齿轮缺陷的有效工具.本文并介绍了作者研制的倒频谱分析软件.     

齿轮故障诊断中振动信号的提纯和重构

在分析了齿轮振动产生机理和振动信号频谱特征的基础上 ,提出了齿轮振动信号提纯和重构的诊断分析方法 .与传统的窄带滤波相比 ,该方法可识别出齿轮啮合副中有故障的齿轮 .由于消除了 2个齿轮间的相互干扰 ,由该方法提纯重构信号的幅值包络、相位信息和瞬态频率 ,能更准确地反映出齿轮的故障 .     

基于PCA-SSA-PNN的齿轮故障诊断

齿轮在工作过程中故障发生率高是造成传动机械设备故障的主要原因。通过对齿轮故障进行正确的特征提取和类型辨识,可实现对齿轮故障的有效识别。以齿轮箱9种不同的齿轮状态振动加速度信号为研究对象,我们提出一种利用主成分分析法降维,基于麻雀搜索算法优化概率神经网络特征参数的齿轮故障诊断模型,以提升概率神经网络模型的正确识别率。本文将该模型与传统概率神经网络模型、主成分分析-概率神经网络模型的正确识别率,以及改变样本数据量和添加不同噪声系数对正确识别率的影响进行对比试验,证明了该模型对齿轮故障诊断的有效性。     

分形维数在齿轮故障诊断中的应用

为了识别齿轮的故障模式,运用分形理论,提出了分段关联维数的计算方法 ,并以分段关联维数为特征量,通过建立状态距离函数,实现了模式识别.该方法 克服了通常只通过计算一段数据的关联维数就进行故障识别的缺点.通过对仿真信号、实测信号的诊断,表明所提出方法 的有效性和实际应用价值.     

基于电机电流分析的齿轮故障诊断研究

本文提出了一种基于电机定子电流的齿轮故障诊断方法,相对于齿轮故障诊断的一般振动信号诊断方法,该方法可实现远程诊断、便于安装且受环境噪声影响小的优点,是一种无损的故障诊断方法。本文针对电机驱动的齿轮传动系统,建立了负载转矩对电机定子电流的理论模型,并分析了各种状况时的定子电流频谱特征,发现可以利用基频与转频的变频带、基频与啮合频率的边频来判断齿轮断齿故障和磨损故障。通过matlab/simulink对电机齿轮系统进行了仿真,并在实验平台上进行了验证。     

基于双谱分析的齿轮故障诊断研究

针对不同上齿轮的振动信号具有不同的高斯性和对称性的特点,利用三阶累积量的性质,对双谱分析用于轮故障诊断的方法和物理意义进行了研究。采用双谱估计的直接算法,给出了正常、裂纹和断齿三种不同状态的齿轮信号的双谱的等高线图,成功地对三种不同状态的齿轮进行了鉴别。同时,利用上述双谱中的一个“对角切片”Bx(ω,ω）将齿轮信号进行分离,发现不同状态下“对角切片”Bx(ω,ω）的谱线分布具有不同特点,进而实现了不同状态齿轮的自动识别。