基于边频带谱理论的齿轮箱故障诊断

齿轮箱是机械传动中应用非常广泛的一种通用部件，一般由若干组齿轮、轴、轴承、离合器、拨叉、润滑装置及壳体等部分组成，承担着传递动力与运动的重任。在机器运行过程中，由于正常磨损与疲劳、设计不当、制造装配的误差、维护保养不善以及操作失误等原因均能导致故障的产生，其中以轴系、齿轮与轴承等较易失效。当齿轮箱发生故障时，传统的方法是：对实际测得信号的频谱图进行分析，根据各故障特征频率允许的振动幅值来精确判定哪个部件发生故障。     

基于LabVIEW的齿轮箱故障诊断测试系统

基于虚拟仪器LabVIEW的齿轮箱故障诊断测试系统,通过对齿轮箱振动信号的采集、处理与分析,实现对齿轮故障的诊断。介绍了系统的软、硬件功能与设计,实验表明,该系统具有很高的可靠性,可用于实验教学及现场监测。     

基于神经网络的齿轮箱故障诊断

煤矿机械齿轮传动系统在低速重载等恶劣工况下极易发生故障,齿轮箱部分尤为突出。因此展开对恶劣工况下的齿轮箱故障诊断研究具有重要的意义。以齿轮箱中齿轮为研究对象,通过提取与齿轮箱振动相关的故障特征,经过神经网络的学习训练实现对齿轮箱故障的分类。经检验,该诊断神经网络对齿轮箱故障有很高的辨识度。     

齿轮故障诊断与分析

齿轮出现严重故障时某个局部故障不仅影响产生故障的部位本身,还将影响系统的其它部分,试验发现齿轮局部严重磨损时啮合频率会消失,产生以固有频率为载波频率故障轴的转频为调制频率的现象,同时发现齿轮断齿时存在复杂载波频率成分且齿轮啮合频率出现复杂调制现象,为严重故障齿轮的诊断提供了依据,避免了因误诊给生产带来的损失。     

提升机齿轮箱故障诊断研究

介绍小波分析理论,利用Matlab7.0小波变换工具箱处理提升机齿轮箱振动信号,探讨小波分析在提升机齿轮箱故障诊断中应用的可行性。     

基于Hilbert解包络及倒频谱分析的齿轮箱断齿故障诊断研究

由于传统的时域分析和傅里叶变换无法有效地提取故障特征,采用Hilbert解包络对具有调制现象和冲击现象的齿轮故障信号进行解调分析,同时运用倒频谱分析方法对齿轮箱振动异常信号进行提取和分离,获取了异常振动产生的周期性故障信号。结果表明倒频谱分析与Hilbert解包络分析相结合是齿轮箱故障检测的一种有效的诊断方法。     

基于GA-BP算法的齿轮箱故障诊断研究

为了解决BP算法的缺陷,建立了GA-BP相结合的故障诊断模型。利用GA算法优化BP神经网络权值和阈值,改善故障诊断性能。GA-BP网络对齿轮箱的工作状态进行故障诊断,仿真表明:该算法可以高效、可靠地运用于齿轮箱故障诊断中。     

基于ICA的齿轮箱故障诊断研究

主要介绍了独立分量分析的基本思想及算法,采用快速独立分量分析(FastICA)的算法对混合的机械振动信号进行分离。应用该算法对实验室采集到的齿轮箱多组振动信号进行了分析,结果表明,独立分量分析在对混合信号进行盲源分离方面有着很好的效果,它是一种很有效的信号预处理的方法,在齿轮箱等机械设备监测和早期故障诊断中得到很好的应用。     

球磨机齿轮箱的故障诊断

我矿选厂φ２７００ × ３６００和φ２７００ ×２１００球磨机，为原部 控主体设备之一，其中φ２７００ × ３６００为一段磨矿机，φ２７００×２１００为二段磨矿机（该系列球磨机主要由筒体部、给矿部、排矿部、轴承部、传动部和润滑部等６大部分组成），担负全矿精矿加工任务。根据实际运行过程来看，球磨机系统故障多集中在轴承部与传动部，主要表现为轴瓦烧坏、齿轮箱温升过高、噪音加大及润滑油泄漏严重等现象。我矿４＃球磨机齿轮箱为１９９８年底更换的新齿轮箱，但在使用过程中，一直存在着振动较大的现象。尤其是 １９９９年 …     

基于EMD分解的齿轮箱故障诊断研究

提出了基于EMD分解的齿轮箱故障诊断方法,介绍了EMD理论及其算法,完成了齿轮箱齿面磨损故障及正常状态实验,对故障信号进行EMD分解后所得IMF中清晰地表达了故障信息,说明了该方法的可行性和有效性。     

基于EEMD的齿轮故障诊断方法研究

采用基于EMD改进的总体经验模式分解算法(EEMD)对齿轮箱进行故障诊断。首先利用Matlab进行仿真实验,验证了具有自适应特性的EEMD分解方法在消除基本模式分量之间相互混叠现象方面的有效性。然后利用该方法对故障试验台模拟的齿轮点蚀信号进行分解,并对反映故障信息的本征模式分量进行Hilbert包络解调分析。分析结果表明,EEMD方法可以有效地应用于齿轮故障诊断。     

基于EEMD-SVM的齿轮箱故障诊断

针对齿轮箱振动信号的非平稳特性和在现实条件下难以获得大量故障样本的实际情况,提出一种经验模态分解和支持向量机相结合的故障诊断方法。运用经验模态分解方法对齿轮箱故障的振动信号进行分析,进行EEMD分解得到相对平稳的本征模态IMF,并计算每个IMF的能量熵,将其作为支持向量机的输入特征向量以判断齿轮箱的工作状态和故障类型。     

基于EEMD的齿轮箱故障诊断

主要介绍了集合经验模态分解方法(EEMD),利用EEMD的自适应恒比例带通滤波器特性,以及分解后的噪声信号与故障信号在各阶IMFS中的不同特性,将齿轮箱故障信号进行整体的EMD分解,解决了EMD的频谱混叠问题,提取出了齿轮箱的故障特征。研究结果表明EEMD优越于EMD方法,是一种很有效的齿轮箱故障诊断方法。     

基于HHT的齿轮箱复合故障诊断研究

提出一种基于HHT的齿轮箱复合故障诊断方法。该方法将齿轮箱故障振动信号进行Hilbert-Huang变换,得到信号的Hilbert能量谱,通过谱分析实现齿轮箱复合故障的识别。齿轮箱故障实验信号的研究结果表明:该方法能有效诊断齿轮箱的复合故障。     

采煤机摇臂齿轮箱故障诊断研究现状及展望

摇臂齿轮箱是采煤机核心动力传递机构,其可靠性对煤炭高效生产具有重要意义。文章对采煤机摇臂齿轮箱故障机理及故障诊断方法进行综述。首先,归纳了摇臂齿轮箱轴承和齿轮在不同故障状态下的故障机理。其次,剖析了现有采煤机故障诊断技术存在的主要问题。最后,指出了未来应致力于精确故障机理、复合故障分析、微弱故障识别、基础数据收集、算法融合创新和多源信息利用等方面的研究,为摇臂齿轮箱故障诊断提供参考。     

基于EMD的提升机齿轮箱故障诊断

介绍了EMD算法和EMD能量熵理论,并且运用此理论实现了提升机齿轮箱故障诊断。对振动信号进行EMD分解并求出各IMF分量的能量占总能量的百分比,由EMD能量熵的定义求出熵值,根据不同的熵值实现对齿轮箱正常状态和断齿故障的判别。     

基于人工神经网络的煤矿机械齿轮故障诊断研究

针对传统煤矿机械齿轮故障诊断中非线性特征频率导致的信号分析处理要求高等问题,提出了一种基于人工神经网络的煤矿机械齿轮故障诊断方法。首先介绍了神经网络的基本原理及其建模方法。其次将机械齿轮故障敏感参数作为神经网络的输入信号,并参与算法训练,实现机械齿轮故障的不同分类。最后,通过仿真验证了所提方法的可行性和有效性。     

基于振动理论的齿轮箱故障诊断应用研究

通过判断齿轮箱是否存在故障、推断齿轮箱故障源的特征频率和分析齿轮箱故障的种类3个方面应用研究,得出滚动轴承的故障占主导地位。如果出现旋转轴的频率及高次谐波或出现啮合振动频率Fm的高次谐波(如2Fm、3Fm),并且也有边频信号出现,可以推测是相应转轴频率上的滚动轴承出现故障。如果仅出现啮合振动频率Fm,并且有边频信号出现,可以推测是相应频率转轴上的齿轮出现故障。     

采煤机摇臂齿轮箱故障诊断技术分析

对于采煤机而言,摇臂齿轮箱是较为重要的组成部分,在使用过程中极易受到诸多因素影响而发生故障,对采煤机的正常使用产生了较大影响.基于此,文章对采煤机摇臂齿轮箱故障诊断技术及其相关进行了分析、探讨,希望能够为相关单位、人员提供有益参考.     

基于Hilbert解调技术的齿轮故障诊断研究

阐述了齿轮振动信号的调制原理,讨论了Hilbert变换的定义及解调原理。应用Hil-bert变换的解调技术对齿轮振动信号进行了幅值解调分析。工程应用的研究结果表明,针对齿轮振动信号的调制现象,利用Hilbert技术能从复杂的振动信号中解调出故障齿轮的调制信息,进而判断出故障齿轮的部位,是一种可靠的故障诊断方法。