齿轮传动系统损伤检测与多故障分类研究

研究了数据挖掘的支持向量机的智能故障检测与诊断方法。通过对齿轮系统在不同的运转状态下的工作状况进行试验测试分析,获取了有关的测试信号,并对不同的故障振动特征信号进行了特征提取与分析研究。在此基础上将支持向量机引入到齿轮传动的损伤检测与诊断之中,建立了两分类和多分类分类器,研究了支持向量机的两分类和多类分类算法。通过分析处理、训练和测试仿真数据以及齿轮振动特征信号,对齿轮系统在各种不同转速下不同故障进行了预测、分类和诊断。研究表明, 支持向量机能够很好的区分不同运转状况下各种典型齿轮损伤与故障,低转速下识别率更高,为95%,特别是对各种复合类故障具有较高的识别精度、识别率在81%以上。它在齿轮故障诊断中具有较好诊断识别能力与发展前景,是一种有效地损伤检测与诊断新方法。     

基于双谱的齿轮故障特征提取与识别

在引入双谱、双相干谱和人工神经网络的基本理论之后，深入研究了汽车变速箱齿轮振动信号的双谱和双相干谱特征以及频率间的耦合情况，形成故障特征向量，并利用BP人工神经网络，成功地将齿轮正常信号、磨损信号和断齿信号进行了分类。研究表明，对于齿轮振动信号，双谱比双相干谱更利于故障特征提取，不同状态下的齿轮振动信号中均存在二次相位耦合现象，但是耦合的形式不同，同时也表明，基于双谱和人工神经网络的故障诊断方法是有效的。     

遗传规划提取优化特征在轴承寿命预测中的应用

在滚动轴承故障诊断领域中,针对轴承剩余寿命预测这一关键问题,提出了一种基于GP(遗传规划)提取特征的方法,该方法将多个特征组合为一个特征树,实现多维输入到一维输入的转换,并用改良的适应度评价特征树的优良性,经过反复迭代,最后输出适应度最大的特征树,该特征树对应的特征值曲线在时域上最接近线性变化,将其作为一个独立的特征,...     

应用Hilbert变换和ZFFT提取变速器齿轮故障特征

变速器故障齿轮振动信号,调幅现象和调频现象同时存在,其频谱中包括啮合频率及其谐波、调制产生的耦合频率。Hilbert变换无法提供足够高的频率分辨率解调低频调制信号,为此提出复调制细化谱分析方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,对包络信号进行复调制细化谱分析,得到齿轮轴转频基波及其谐波幅值。随着齿轮磨损程度的增加,齿轮轴转频基波及其谐波幅值明显增大,可作为齿轮磨损故障特征参数。     

基于改进EMD与形态滤波的齿轮故障特征提取

针对齿轮故障特征往往被强背景噪声淹没的问题,提出一种改进EMD与形态滤波相结合的齿轮故障特征提取新方法。首先采用开－闭、闭－开级联而成的组合形态滤波器对原始故障信号进行消噪处理,然后通过EMD方法将包含在齿轮故障信号中的各个频率族信号分离,再采用互信息方法消除传统EMD分解结果中包含的虚假分量,最后利用分解得到的各阶固有模态函数为单一分量调制信号的特点,通过差值形态滤波的方式对分量信号进行解调以提取故障特征。齿轮故障实验信号的研究结果表明：该方法可有效的提取齿轮故障特征信息并抑制噪声,而且能够取得比传统包络解调分析更好的效果。     

基于加权相空间重构降噪及样本熵的齿轮故障分类

提出了一种基于加权相空间重构降噪及样本熵的齿轮故障分类方法,给出了加权相空间重构降噪及样本熵的原理及计算公式.该方法将一维的时间序列重构到高维的相空同,通过区分吸引子在高维空间的不同的属性与特征,对原始信号进行加权相空间重构降噪,再计算降噪后信号的样本熵从而实现对齿轮故障信号的分类.对该方法进行了仿真与实验研究,结果表明,降噪后的信号有效地抑制了噪声对实验结果的影响,使得样本熵能够对齿轮不同的工作状态进行有效区分.     

基于自适应随机共振的齿轮微弱冲击故障信号增强提取方法研究

针对强背景噪声下冲击信号难以检测的问题,提出一种基于自适应随机共振的齿轮微弱冲击故障信号增强提取方法。首先,利用峭度指标和互相关系数构造修正峭度指标作为随机共振检测冲击信号的测度函数;其次,利用滑动窗将多冲击分量信号分割成多个单冲击分量信号作为随机共振的系统输入,并借助遗传算法实现系统参数的自适应选取;最后,将提出的方法应用于电力机车走行部齿轮箱故障诊断,结果显示该方法可有效实现微弱冲击特征的增强提取。     

基于遗传编程的无量纲指标在行星齿轮箱故障诊断中的应用

针对传统的信号处理方法较难获取行星齿轮箱故障特征和有量纲指标在变工况情况下诊断失效的问题,提出将无量纲指标应用于行星齿轮箱故障诊断的方法。首先分别计算行星齿轮箱在不同故障模式下振动信号的七个无量纲指标,然后用遗传编程的方法构建新的复合诊断指标,最后将该复合诊断指标在变载荷、变转速工况下对不同的故障模式进行区分。实验结果表明,该方法可以识别行星齿轮箱在不同工况下的故障状态,验证了其有效性。     

基于包络S变换时频图像提取齿轮故障特征

齿轮故障振动信号中调幅和调频现象同时存在,其频谱包括以啮合频率及其谐波为载频,齿轮所在轴转频及其谐波为调制频率产生的调制边频带。针对齿轮故障振动信号特征提取困难的问题,提出一种基于包络分析和S变换时频图像相结合的故障特征提取方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,然后对包络信号进行S变换,得到包络的时频图像的等高线灰度图像,计算图像的灰度共生矩阵及其统计特征量,提取齿轮故障特征。试验结果表明：该方法能有效提取齿轮故障特征。     

齿轮故障振动信号检波解调分析中的混频效应

在齿轮故障诊断中,振动信号解调分析是一种很有效的方法。本文在分析调幅调相信号检波解调分析原理的基础上,讨论了该类算法软件实现过程中产生的混频效应,指出信号在检波解调过程中经过非线性变换后将包含高频成分,有可能发生明显的混频,导致得出错误的解调信号。通过合理地选择采样频率及分析算法中低通滤波器的截止频率或采用较高的采样频率能有效地消除这种混频效应对解调的影响,最后以仿真数据及实验论证了这些结论。     

小波尺度谱在AE信号特征提取中的应用

通过分析典型声发射信号及其特征提取,将小波尺度谱引入到声发射故障诊断领域,首次提出了声发射信号的小波尺度谱分析法。给出了小波基函数及其参数的选取,克服了声发射信号小波尺度谱的时、频分辨率不能同时达到最好的缺陷。将小波尺度谱用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确。仿真分析和实验研究均表明小波尺度谱能有效应用于基于声发射技术的状态监测与故障诊断。     

最大相关峭度解卷积结合稀疏编码收缩的齿轮微弱故障特征提取

针对强背景噪声环境下齿轮早期故障诊断问题,提出了最大相关峭度解卷积结合稀疏编码收缩的微弱故障特征提取方法。由于最大相关峭度解卷积算法的处理结果同时受滤波器长度参数及解卷积周期参数的影响,为自适应地实现最佳的解卷积效果,利用粒子群算法优良的寻优特性,对最大相关峭度解卷积算法的最佳影响参数组合进行搜索。原故障信号经影响参数优化的最大相关峭度解卷积算法处理后,冲击特征会明显增强,为剔除剩余噪声,对所获解卷积信号做进一步稀疏编码收缩降噪处理,并通过分析降噪信号的包络谱来识别故障特征频率成分。实例分析结果验证了该方法的有效性和可靠性。     

Force identification of dynamic systems using genetic programming

One obvious limitation of the traditional force identification techniques is that they are unable to obtain the explicit expression of the force. Moreover, some techniques need both the displacement and velocity data of all freedoms, and some need the Markov parameters from numerical calculation or experimental test before the force identification can be carried out. This paper presents a genetic programming (GP) based method for excitation force identification of dynamic systems to overcome these traditional methods' disadvantages. GP is employed as a search and optimization method to obtain the optimal, if not the best, force expression from the known dynamic response. One obvious merit of the proposed method is that it can obtain the explicit expression of the unknown force. Another advantage is that it only needs the dynamic response data at one point, i.e. displacement or velocity or acceleration of one freedom. Illustrative examples demonstrate that the GP based method is able to identify the excitation force of a single‐degree, a three‐degree dynamic systems and a frame structure, depicting its potential for force forecast problems. Copyright © 2005 John Wiley & Sons, Ltd.     

基于奇异值分解的信号特征提取方法研究

奇异值反映了信号中有用信号和噪声的能量分布情况,通过奇异值分解可以将隐含在噪声中的特征信号提取出来。本文提出了在强背景噪声中基于奇异值分解的特征提取方法。研究发现,随着信号信噪比的降低,奇异值的分布趋于直线,特征信号难以分离和提取。通过增加奇异值分解阶次,可以使反映噪声能量的奇异值的分布范围扩大,使得噪声的能量相对分散,凸显出了反映有用信号能量的奇异值,从而有利于特征信号的提取。仿真试验和故障分析实例都验证了该方法的可行性。     

带有齿根裂纹故障的齿轮传动系统非线性动力学模型研究

在考虑齿面摩擦、时变啮合刚度、传递误差和质量偏心的情况下,利用集中质量法及牛顿定律建立了齿轮传动系统非线性振动微分方程.通过时变啮合刚度仿真了齿根裂纹故障,进而建立了具有齿根裂纹的非线性动力学故障模型.该模型在计算摩擦力时,考虑了载荷在啮合区的动态分配以及利用齿轮副的检验标准与公差值来确定齿轮副的传递误差.模型数值解的结果与故障特征的规律相符,为频谱机理的分析及故障特征的提取提供了有力的理论依据.     

A real‐time feature extraction method for PVC detection in bedside monitor

Abstract

This paper describes a fast and very efficient feature extraction method for discrimination of QRS and Premature Ventricular Contraction (PVC) beats in a microprocessor‐based bedside monitoring system. It converts each QRS and PVC beat into a positive‐pulse waveform by signal preprocessing. Two characteristic factors, the positive‐pulse and the pulse duration, are calculated when the onset and end points of each pulse have been detected by threshold detection. The prominent feature is extracted from a product of these two factors. This algorithm has been examined using 40 different patients’ electrocardiograph (ECG). The accuracy of QRS detection was 99.3 percent in the tests performed. The identification sensitivity of PVC was 81.2 percent with 18‐ different arrhythmia patients.     

抗频移声谱特征提取及目标分类应用研究

针对目标运动等导致的辐射噪声频谱特征的时变性对目标分类稳定性的影响,提出一种基于时频图像累积变换的抗频移声谱特征提取方法,不仅能够提取淹没在强噪声中的线谱信号,还能够实时给出谱线的参数信息,同时结合听觉特征识别原理,采用抗频移的仿倍频程的三角滤波法提取目标特征。仿真和实际数据处理表明,所提出的特征有助于探测设备克服目标未知的复杂运动带来的频谱时变影响,提高了分类特征的稳定性。     

基于传动误差检测法的早期齿轮磨损故障诊断

摘 要：针对齿轮系统在复杂结构复杂工况下早期故障难诊断的问题,借鉴精密机械中检测齿轮安装误差和加工误差的传动误差检测法,建立含故障的二级齿轮系统传动误差信号模型,分析中间轴齿轮早期单齿齿面磨损对齿轮系统传动误差的影响及特征规律。经齿轮传动系统实验台实测信号研究结果证明：传动误差信号信噪比高,能够有效识别复杂齿轮系统中齿轮早期磨损故障。