齿轮箱机械振动信号调制分析及其应用

对齿轮箱机械振动信号调制进行了详细分析研究,并分别对调幅、调频及调幅调频作了综合分析,从理论上推导了齿轮箱机械振动信号调制产生边频带原因及其特征,并结合振动信号频率细化谱分析技术对齿轮箱故障进行了诊断。     

变分模态分解在齿轮箱故障诊断中的应用

针对齿轮箱早期故障振动信号非平稳、强噪声,故障频率难提取的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和包络解调的齿轮箱故障诊断方法,为齿轮箱状态监测提供依据。     

基于多重分形谱和SVM的齿轮箱故障诊断

基于振动信号的齿轮箱故障诊断本质分为有用信号的提取、故障特征量的选择以及故障智能识别。为此本文提出了基于多重分形特征提取和SVM故障识别的方法。用SVM分别对多重分形特征量进行故障识别,证明了本文提出的多重分形的故障特征提取模型的可行性。     

基于时域同步平均的齿轮箱故障特征提取

齿轮箱是旋转机械中一种重要机械传动部件,对其故障诊断及检测具有重要研究意义。振动信号特征分析是机械故障诊断领域中常见方法,时域同步平均法是其中重要故障诊断方法之一,其能有效从复合信号中提取感兴趣的周期分量,提高信噪比。首先通过双通道分别采集原始振动信号及键相脉冲信号;其次通过键相脉冲信号获得参考轴每转起始位置,然后对原始振动信号进行分段截取;最后对前者进行分段叠加平均及频谱分析;通过齿轮箱实测故障数据,验证该方法可行性。     

基于EEMD与多通路一维CNN的掘锚机齿轮箱故障诊断

针对掘锚机齿轮箱故障信号具有非平稳、振动模式复杂的特点,传统方法难以进行诊断的问题,提出一种基于EEMD(Ensemble Empirical Mode Decomposition,EEMD)与多通路一维CNN(Convolutional Neural Networks, CNN)的掘锚机齿轮箱故障诊断方法。首先对齿轮箱振动信号进行EEMD分解得到内禀模式函数(Intrinsic mode function,IMF);然后利用多通路1DCNN自适应提取每个分量的特征,并将提取的特征通过一个全连接层进行拼接;最后通过分类器进行分类识别,实现齿轮箱的自动诊断。实验证明,所提方法具有较高准确率,具有一定的实用性。     

风电机组振动监测和故障诊断

风电机组往往布置在环境较为恶劣、交通不畅的地方,使机组部件的检修与维护困难较大。振动监测是在主轴、齿轮箱和发电机组等主要部件处,通过传感器布置振动监测点,监控中心根据各个监测点提供的振动信号进行分析,并诊断部件故障情况。这种方法对于风电机组的状态监测与故障诊断有显著的效果。     

基于倒频谱特征提取的齿轮箱故障诊断

介绍了齿轮箱故障的特点、倒频谱分析的基本原理以及倒频谱分析在齿轮箱故障诊断中的应用.首先,用传统的傅立叶交换法对故障信号进行分析,结果无法有效地提取故障特征;其次,对故障信号进行倒频谱分析,发现能很好地捕获故障信息.实验证明:倒频谱分析在齿轮故障诊断中具有无比的优越性.     

风电机组齿轮箱故障分析

分别从齿轮、轴承、轴的失效形式,齿轮箱润滑和齿轮箱设计、振动等方面分析了齿轮箱的故障形式。     

故障轴承振动信号的小波包络谱分析

故障轴承的振动信号由于冲击的影响，表现出非平稳性。小波分析作为一种新的时一频分析手段，对轴承的振动信号进行小波分解，将分解系数进行希尔伯特包络处理，实验信号分析表明，在包络信号的功率谱中，故障的通过频率可以明显的分辨出来。     

小波变换在滚动轴承故障分析中的应用

滚动轴承损伤类故障的分析诊断基础是提取故障信息,其早期表现微弱,常被大量的噪声淹没.本文给出了一种利用正交小波变换提取滚动轴承故障信息的方法.通过对实测的振动信号进行小波分解,较好地提取出了轴承故障的特征频率,并对故障进行了定位.     

基于欧氏距离平方的机械振动故障识别研究

在机械设备运行过程中,经常发生振动过大而影响设备正常运行,因此,应用有效的方法对振动故障进行及时判别具有重要意义。本文采集实际中的某齿轮箱的振动故障与正常运行时候的振动偏移量,应用欧氏距离平方算法对不同运行状态的数据进行计算,分别统计出所得到的欧氏距离平方值的范围,观察是否振动两种情况下计算得到欧氏距离平方值的范围。经过对大量的机械振动故障情况进行计算统计,发现在机械振动的情况下,计算得到的欧氏距离平方值明显大于正常运行的值。同时,该算法简单,计算速度快,能快速、准确的识别机械设备是否发生了振动故障。     

基于ELMD和包络谱分析的滚动轴承故障诊断研究

针对旋转机械旋转部件可能出现的异常情况或者早期故障,提出了一种先利用总体局域均值分解(ELMD)分解振动信号,再结合包络谱分析进行故障识别的故障诊断方法。首先对故障振动信号进行ELMD分解,获得由纯调频信号和包络信号乘积构成的PF分量,并对其高频分量进行包络谱分析。通过包络谱和轴承故障特征频率结合分析轴承是否出现故障,实验结果分析表明, ELMD分解和包络谱分析结合的方法能有效地进行轴承故障诊断。     

基于频谱分析技术大型异步电动机的故障诊断

文章对电动机振动信号进行了频谱分析,并分析了频谱结构的特点,结合电动机振动特点和故障机理,根据振动特征与故障之间的一定关系进行综合分析对比,采用逐个排除的方法,缩小范围进一步认定产生振动故障的根源,从而保证诊断的准确可靠。     

汽车变速箱故障产生的机理及特征提取

通过对汽车变速箱故障产生的机理进行分析,表明变速箱的振动信号对故障的诊断有着重要作用,故障信息可以依据振动信号加以判断。通过对变速箱振动信号的处理和特征提取,可以为变速箱故障的诊断提供重要理论依据。     

风力发电机组齿轮箱轴承声发射信号的远程监测系统

为了实现对风力发电机组齿轮箱轴承运行状态的远程监测,采用声发射传感器对齿轮箱轴承声发射信号进行多点数据采集,通过STM32F103单片机对数据进行处理,并通过GPRS通讯将数据远程传输。本系统可实现对风力发电机组齿轮箱轴承早期故障的监测,方便于工作人员的分析。     

变分模态分解与对称差分能量算子解调在滚动轴承故障诊断中的应用

针对滚动轴承信号的不规则特性及振动信号表现出强非平稳性给滚动轴承故障特征提取带来困难的问题,提出VMD变分模态分解与对称差分能量算子解调的滚动轴承故障诊断方法。仿真实验结果表明所提方法能够有效地对滚动轴承进行故障诊断。     

机械振动信号处理方法研究

信号故障特征的提取是机械故障诊断的重要依据,为提取信号故障特征,需对振动信号进行处理。对振动信号分析和处理方法的研究一直是机械故障诊断领域最重要研究方向之一。目前常用的信号处理方法主要分为时域分析、频域分析、时频分析三大类,由于工程现场拾取的振动信号一般均为非线性、平稳信号,因而数学形态学方法、短时傅里叶变换、小波变换和希尔伯特-黄变换更适于处理这类信号,然而这些方法还存在着各种问题。本文主要对这些方法的特点进行了概述、分析和对比,最后给出了总结展望。     

重载铁路货车轴承突发性损伤类故障检测

重载的铁路货车滚动轴承极易出现损伤类故障,因故障的突发性使得振动信号具有非线性、非平稳的特性,且振动信号极易受非检测部位振动的干扰,而使得有效信号不易被提取,传统的基于傅里叶变换的检测方法无法有效将非平稳的振动信号中的干扰去除,造成最终的检测准确率不高的问题。为了提高检测准确率,提出基于小波包的检测方法,首先针对振动信号的非平稳特性采用小波滤波有效去除其中的干扰,然后通过最小二乘支持向量机提取出非平稳振动信号中的故障特征信号并完成故障检测。实验表明,这种方法能够有效去除振动信号中的干扰,并准确检测重载铁路货车上的滚动轴承损伤故障。     

基于小波包变换和Fisher判别的滚动轴承故障诊断

本文针对滚动轴承出现故障时产生的振动信号具有非平稳信号的特点,通过小波包变换提取故障信号的特征向量,采用Fisher判别分析对提取的特征向量进行故障分类.实验结果表明所提方法的有效性.     

频域分析在离心式压缩机故障诊断中的应用

简单阐述了压缩机旋转失速和喘振的关系,着重分析压缩机旋转失速和喘振的产生机理.由于离心武压缩机发生故障的主要特征是机器伴有异常的振动和噪声.振动信号是周期性信号,利用频域分析的方法对离心式压缩机故障进行诊断.取得了很好的效果.