基于经验模态分解的齿轮箱故障特征提取

利用小波去噪阈值法对齿轮箱故障振动信号进行去噪,将经验模态分解(EMD)和快速傅里叶变换(FFT)相结合对齿轮箱故障进行特征提取,此方法适合于对非线性非稳态信号进行自适应的分析.利用小波阈值去噪方法对原始信号进行预处理,将去噪后的信号进行经验模态分解,得到一定数量的本征模态函数(IMF)分量,选取特定的IMF进行FFT,得到相应的功率谱,从而达到提取齿轮箱故障特征频率的目的.对齿轮箱故障信号进行分析,结果表明该方法能够有效地识别出齿轮箱故障特征频率.     

基于经验模式分解的齿轮箱振动辨识

论述了一种新的针对非线性非平稳信号的经验模式分解（EMD）方法，使用EMD方法对齿轮箱振动信号进行了辨识，并且与离散小波分解方法进行了对比，结果表明，通过EMD分解获得的齿轮箱振动内在模式分量（IMFs）能很好地辨识出齿轮的啮合振动模式，且比离散小波方法的分解效率更高；EMD分解的第3个IMF－IMF3清晰地表示出齿轮箱的第一级齿轮的216Hz的啮合振动模式。     

EMD在汽车变速齿轮箱振动故障分析的应用

采用经验模态分解和能量特征值对振动加速度传感器获取的汽车齿轮箱振动信号进行特性分析.利用经验模态分解获得振动信号的本征模态函数,并对本征模态函数进行系数-能量计算,提取系统的特征信息,对汽车齿轮箱的故障进行诊断,从而实现在线监测汽车齿轮变速箱运转工作状态,及时发现齿轮箱的早期故障,提高汽车运行的安全性.仿真研究结果表明经验模态分解方法在故障信息诊断方面是可行的和有效的,并能够提高故障检测的可靠性.     

基于双树复小波分解的风机齿轮箱故障诊断

风机齿轮箱振动信号具有非平稳、非高斯特性,多种模式混叠和复杂的传递路径使得故障信息微弱完全淹没在噪声之中.针对故障特征提取的难题,将双树复小波变换引入振动信号分析,提出了一种新的工业风力发电机齿轮箱故障诊断方法.首先对风机齿轮箱振动信号进行双树复小波分解,然后计算各频带分量的峭度值,利用峭度筛选故障敏感分量.最后对故障敏感分量进行频谱分析提取故障特征频率.实验结果表明:双树复小波变换可将复杂信号分解为不同频带分量,抑制平移敏感性和频率混叠.与传统离散小波变换相比,能有效抑制虚假频率出现并准确提取故障特征.本文提出的方法已成功用于风力发电机工业运行监测并准确诊断多种类型的齿轮箱故障.     

基于改进小波去噪预处理和EEMD的采煤机齿轮箱故障诊断

针对采煤现场强噪声背景下采煤机齿轮箱振动信号集合经验模态分解(EEMD)故障特征不明显和分解效率较低的问题,提出基于改进小波去噪预处理和EEMD的故障诊断方法。采用小波改进阈值函数法对振动信号进行去噪预处理,与传统小波阈值函数法相比能够有效地提高信号的信噪比。对去噪后的信号进行EEMD分解得到若干个本征模态分量(IMF),计算各IMF分量的相关度并剔除虚假分量。将该方法应用于采煤机齿轮箱行星轮的故障诊断,通过对真实的IMF分量进行频谱分析并提取信号的故障特征频率,与未去噪的信号进行对比。研究结果表明:该方法能够突出故障特征频率,使分解效率提高17.35%,并能进一步减小模态混叠现象。     

基于EMD关联维的齿轮箱齿轮状态振动辨识

论述了经验模式分解(EMD)的理论和特性,以及关联维数及其特性,并根据实际齿轮箱振动信号的非平稳特征和简单监测征兆的需要,引入分别适于非线性非平稳信号分析和表征系统观测序列非线性、不规则程度的经验模式分解和关联维数,提出用EMD关联维来辨识齿轮箱振动信号,结果表明：当齿轮处于不同状态时,与齿轮故障密切相关的内在模式函数的关联维数明显不同,EMD关联维方法可以作为齿轮故障的特征提取工具。     

基于ITD和模糊聚类的齿轮箱故障诊断方法

为提高齿轮箱故障诊断的准确性与效率,针对其振动信号非线性和非平稳性的特点,提出将固有时间尺度分解(ITD)和模糊聚类(FCM)相结合的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行固有时间尺度分解,提取包含主要故障信息的前4个固有旋转分量(PRC),求取PRC的特征能量作为故障特征向量。然后利用模糊C-均值聚类算法对齿轮箱故障进行识别与诊断,并将该方法应用到现场齿轮箱的诊断中。结果表明,诊断结果与实际情况完全相符,该方法比经验模式分解与模糊聚类相结合的方法具有更高的计算速度和精度,为齿轮箱故障诊断提供了一种新的有效方法。     

基于RSIFICA的行星齿轮箱故障诊断方法

为了对行星齿轮箱进行故障检测和诊断,提出了一种基于共振稀疏快速独立分量的分析方法(RSIFICA).该方法首先采用共振稀疏分解对信号进行降维预处理,进行二次共振稀疏分解,构造虚拟通道增加传感器通道数目,同时引入牛顿-辛普森公式对快速独立分量分析方法进行改进.该方法减少包含瞬态冲击的宽带信号的影响,实现信号中振源信号数目的降维.同时,二次分解增加输入FastICA的通道数,解决了独立分量分析方法在提取行星齿轮箱故障特征频率过程中出现欠定盲源和收敛速度缓慢问题,同时提高了FastICA的运算效率.将该方法应用到行星齿轮箱的故障诊断中,包络谱分析结果表明,RSIFICA能准确地提取行星齿轮箱断齿故障特征频率,有效地解决了FastICA的问题,计算效率提高了21.49%.对比实验表明,相比于EMD-FastICA联合方法,RSIFICA能够对齿轮微弱故障特征进行更为有效的提取.     

一种基于变分模态分解参数优化的轴承故障诊断方法

为解决变分模态分解方法在提取齿轮箱滚动轴承的故障特征频率时受模态个数和惩罚项系数影响的问题,提出了一种基于人工鱼群算法优化变分模态分解的轴承故障诊断方法.首先,利用人工鱼群算法优化变分模态分解方法的模态个数和惩罚项系数;其次,故障振动信号经优化的变分模态分解方法分解,获得若干模态分量;最后,筛选包络熵值最小的分量进行包络分析,提取故障特征频率.实验结果表明:在优化参数过程中,寻优收敛时间缩短46％,并最终有效提取轴承故障特征频率.研究结果可解决变分模态分解方法受参数影响的问题,实现轴承故障诊断,具有实际意义.     

基于改进的EMD方法和能量算子解调法的齿轮故障诊断

针对齿轮发生故障时其振动信号常常带有非平稳性和调制的特点,提出了基于改进的EMD分解和能量算子解调的故障诊断方法。首先对故障信号进行EMD分解,得到一族IMF分量;然后对各分量进行基于能量原理的虚假模态消除;最后对新得到的一族IMF进行能量算子解调,得到其频谱,实现了齿轮故障的识别与诊断。分析结果表明,EMD与能量算子解调相结合的分析方法在齿轮故障诊断中具有有效性。     

基于小波分形技术提取变速器轴承故障特征

利用小波技术对变速器轴承振动信号进行分解,对特定层的信号进行重构,并计算重构信号的分形维数,来实现变速器轴承不同技术状态下特征提取。实验结果表明,特定频率振动信号的分形维数能敏感反映变速器轴承技术状态,它可以作为诊断变速器轴承故障的一个重要特征量。     

小波消噪和AR谱技术在汽车传动轴故障诊断中的应用

为了解决传统的谱分析方法难于提取传动轴振动信号故障特征问题,介绍了小波消噪与AR谱相结合对汽车传动轴振动信号进行分析的方法。通过对处理的结果比较分析,可以看出,传动轴不平衡时,其不平衡能量在其轴频的半频、倍频处表现明显。小波消噪能够有效地消除或抑制传动轴各种噪声,与AR谱相结合,能够为振动信号故障提取提供可靠的依据。     

风电增速箱结合部刚度分析及振动噪声预估

为了研究风电增速箱的振动特性和辐射噪声,基于轴承支承刚度及齿轮副啮合刚度分析,建立了风电增速箱轴系扭转振动模型,运用Matlab求解振动微分方程,得出轴系扭振频率及对应振型;综合考虑刚度激励、误差激励及冲击激励,建立了风电增速箱动力学有限元模型,仿真得出增速箱的动态响应。以箱体表面节点振动位移为边界条件,建立了增速箱声学边界元模型,采用直接边界元法求解得到箱体表面声压及场点的辐射噪声。结果表明,风电增速箱扭振频率与激励频率及其倍频相差较大,不会出现共振现象;增速箱结构噪声和辐射噪声的峰值主要出现在高速级齿轮啮合频率的二倍频附近。     

精梳机齿轮箱体结构动力学建模与优化

针对新型精梳机进行整机振动和噪声的测试与分析,确定了精梳机的齿轮箱为整机的主要振动和噪声源.为此,建立了精梳机齿轮箱结构的动力学模型,通过动态仿真对比分析,发现主要振动和噪声是由于齿轮箱体结构构成不合理,导致在箱体在动机构的动力作用下激发出较大的振动和共振噪音.由此对齿轮箱结构进行参数动态灵敏度分析,以箱体前4阶固有频率的加权和作为评价各参数对频率影响的标准,对齿轮箱体结构进行了以第1阶频率提升最大化为目标的优化设计,根据优化建立了新的齿轮箱体结构,新结构在同样工况下具有更好的抗振和低噪声辐射性能.     

可拓学在高速轨道车辆齿轮箱运行状态监测中的应用

提出一种基于可拓学理论的高速轨道车辆齿轮箱运行状态监测方法.通过选取适当的特征参数,建立齿轮箱正常运行时在各振动方向的物元模型.采用基于仿生优化方法的粒子群优化算法对物元模型特征参数的经典域进行优化.在特征参数经典域优化结果及关联函数基础上,基于Matlab GUI界面设计齿轮箱的运行状态监测系统,对齿轮箱在各方向的当前振动状态进行定性定量监测.其分析结果与齿轮箱的实际运行状态相一致,验证了该方法的正确性.      

变转速齿轮箱振动信号监测的无键相时域同步平均方法

为了克服传统时域同步平均方法应用中需要键相信号及恒定转速的要求,提出了一种不需要键相信号的变转速齿轮箱振动信号时域同步平均方法.该方法通过振动信号时频域滤波及滤波信号的瞬时相位计算来估计齿轮箱的瞬时转速,通过时原始振动信号的等角度间隔重采样来消除转速变化的影响,并用重采样信号进行了时域同步平均.变转速齿轮箱实验台的实验数据分析表明,该方法可以准确地估计变转速齿轮箱的瞬时转速,从而消除了齿轮箱转速波动对振动信号的影响.重采样信号的时域同步平均结果为齿轮监测诊断提供了有效信息.     

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。     

基于多方法结合应用的齿轮箱故障特征提取研究

基于振动信号分析的齿轮箱故障诊断的关键是实现对信号中故障特征的提取.由于在工程实际中采集到的齿轮箱振动信号含有较强的噪声干扰,所以单一的信号分析方法难以实现对故障特征的提取.因此将两种或两种以上方法相结合应用于齿轮箱振动信号的处理成为当前的研究趋势.为研究将不同方法相结合应用于齿轮箱故障信号特征提取的优势,对大量文献的研究成果进行了归纳整理.综合分析发现:将多种方法结合应用于齿轮箱振动信号特征提取,可有效避免单一方法的局限性,充分发挥不同方法的优势.总结了在齿轮箱故障诊断领域中分别以频谱分析为基础和以非线性理论为基础的将不同信号处理方法结合应用于齿轮箱故障特征提取的现状,最后针对多种方法结合应用于齿轮箱故障诊断的发展趋势提出了建议.