利用噪声相对量辨识与优化齿轮敲击噪声

以人耳听觉特性为基础,提出运用噪声相对量辨识和优化齿轮敲击噪声的方法.该方法首先对测量得到的噪声信号进行外耳、中耳和内耳噪声传递特性滤波,然后进行回归与平滑处理获得稳态噪声信号,将滤波后的噪声信号减去稳态噪声信号,得到的噪声相对量即为非承载齿轮对的瞬态敲击噪声信号,最终辨识出齿轮敲击噪声的发生时刻、频率范围和水平.辨识结果与人的主观感受一致,齿轮敲击噪声被准确辨识.利用该方法得到了各非承载挡的敲击噪声贡献量,确定倒挡是齿轮敲击噪声的主要噪声源.采用提高倒挡齿轮对加工精度使其最小间隙减小约50.0%后,齿轮敲击噪声水平降低了17.4%,齿轮敲击噪声性能得到有效改善.     

齿轮噪声干扰及变转速下的滚动轴承故障诊断

齿轮噪声以及变转速运行是干扰滚动轴承故障诊断的常见因素,针对上述两种因素同时对滚动轴承故障诊断的干扰,引入了集合经验模态分解(EEMD)方法以去除轴承信号中的齿轮噪声,将齿轮峰值啮合倍频(IDMM)等效为滚动轴承的瞬时转频,阶比跟踪以去除转速变化对滚动轴承故障诊断的影响,并将此方法命名为基于EEMD和IDMM的滚动轴承故障诊断方法.仿真和实测信号分析证明该方法能有效去除齿轮噪声和转速变化对滚动轴承故障诊断的影响,同时提高故障特征阶比的幅值,节省转速测量装置.     

基于复小波变换相位功率谱的齿轮故障诊断

提出了一种基于复小波变换诊断齿轮故障的新方法 .利用Mexican-hat调制复小波基函数对齿轮振动信号进行连续小波变换 ,再作相位的频谱分析 ,可以突出边频带结构 .仿真信号的分析结果表明该方法可有效地用于齿轮故障诊断 ,与传统的自功率谱方法相比 ,具有抗噪声干扰能力强的优点     

基于S变换的自适应降噪方法

简要介绍S变换后的时频特征,提出一种新的基于S变换的自适应信号降噪方法.利用于S变换高质量的时频分布,在时频平面中设计自适应时频滤波器,用于非平稳信号中信号分量的提取,展示该方法在信号噪声抑噪和提高信噪比方面取得了满意的效果.在信号模型的仿真试验与齿轮箱的齿轮故障诊断中,显示该方法在信号提取和压制噪声的效果,且滤波后信噪比有较大提高.结果表明,该方法可以有效提取故障齿轮的故障特征,消除虚假成分的影响,从而提高齿轮故障诊断的准确性.     

基于电机定子电流的齿轮故障诊断方法

齿轮故障诊断一般采用振动信号进行故障特征提取,但振动诊断法不便于安装传感器,易受环境和噪声影响.电机本身具有传感器的特性,定子相电流等信号能够反映负载转矩的变化.因此,针对由电机驱动的齿轮传动系统,提出了一种基于电机定子相电流分析的齿轮无损故障诊断方法.推导了电机定子电流如何反应负载转矩的特性,并分析了齿轮正常与故障状态下定子电流的频谱特征,发现可通过观察边频带的出现来判断齿轮发生局部式故障.通过Matlab对故障诊断原理进行了仿真验证,在实验平台上结合频谱分析成功检测出了齿轮断齿故障.     

齿轮局部损伤振动信号的循环平稳性分析

针对齿轮局部损伤故障振动信号的特点,在对其数学模型进行循环平稳性理论分析的基础上,定义并解释了幅值调制能量比系数概念及其算法.通过仿真分析,基于信号累积量的循环相关分析算法不仅能完整地保留信号中的周期成分,还具有较好地抑制加性平稳噪声的优点,利于幅值调制能量比系数指标的提取.实验表明,结合齿轮运转的样本数据,幅值调制能量比系数值随着齿轮局部损伤程度的加大而增大.该方法可以发现齿轮在运转中某轮齿发生的局部损伤故障及损伤程度.     

PSO稀疏分解在齿轮信号故障特征提取中的应用

针对齿轮早期故障诊断,传统的信号处理方法受噪声干扰大,严重影响了齿轮故障特征提取。结合粒子群(PSO)算法和稀疏分解算法提出PSO稀疏分解,利用PSO在搜索最优解方面的优势降低了稀疏分解的计算复杂度,并提出了"匹配度"作为信号的特征量。通过对模拟信号和某型航空发动机齿轮毂振动信号的分析,证明PSO稀疏分解在强噪声背景下具有很好的稳健性,提高了振动信号的信噪比,能够有效提取齿轮的故障特征,故障信号的"匹配度"比正常信号平均高出0.4左右,与传统方法相比,优势较为明显。     

用噪声谱分析法定量诊断齿轮磨损

本文探讨了用齿轮噪声频谱分析来诊断齿轮磨损程度的方法。齿轮磨损后,其噪声频谱图中啮合频率的谐波族发生了很大变化。基于频谱谐皮分析,提出了能准确有效地定量诊断齿轮磨损的方法,并给出了相应的一批试验分析结果。试验研究表明,这些方法对齿轮振动信号的分析、对各种参数的直齿圆柱齿轮都是适用的。     

齿轮局部故障振动信号分析及提取方法研究

以齿轮局部故障为研究对象,建立了齿轮故障的振动模型,导出了齿轮局部故障的振动机理,分析了齿轮无故障振动信号和齿轮局部故障振动信号成分的异同点。在MATLAB环境下,采用小波变换算法对故障信号进行降噪处理,用希尔伯特变换对故障振动信号进行解调处理。结果表明,小波变换对强噪声干扰的机械振动信号能够进行有效的降噪处理,希尔伯特变换能从降噪后的故障振动信号中提取齿轮局部故障的特征信息。该结果在机械故障诊断中具有良好的实用价值。     

基于频谱相关性分析的齿轮早期磨损诊断

基于振动分析的齿轮故障检测已被证明在故障识别中是有效的,但对表征早期磨损的振动信号的提取和识别仍没有得到很好的解决.本文提出一种基于频谱相关性分析的变分模态分解(VMD)和核支持向量机(SVM)相结合的齿轮早期磨损诊断方法,对能够揭示早期磨损状态的微弱齿轮振动信号采用近似完全重构的准则来初始化模式数,并采用信号功率谱密度最大值对应的频率初始化VMD方法的中心频率,用以有效提取齿轮磨损信息,进而结合核支持向量机进行齿轮的早期磨损诊断.实验结果表明,所提方法可有效克服背景噪声大无法预设模式数的问题,对噪声具有更好的鲁棒性,诊断准确率达到94.4%,可为齿轮早期磨损检测提供解决方法.     

基于声信号分析的齿轮故障诊断方法

为了解决齿轮故障诊断中传统的声振信号分析方法容易受到周围设备及环境噪声干扰的问题,提出了一种独立分量分析和自相关分析相结合的齿轮故障诊断方法.首先用独立分量分析分离特征信号和干扰信号,然后用自相关分析提取特征信号中的周期成分.实验结果表明,该方法可以有效地提取在强背景噪声干扰下的齿轮故障特征.     

基于时频消噪TFPF和时频分布MBD的轴承早期故障诊断

噪声是影响轴承、齿轮等机械设备早期微弱故障特征正确提取的主要因素,利用新颖的时频峰值滤波技术TFPT有力的噪声消减特性,将PTFT与改进的时频分布MBD相结合,提出了时频峰值滤波TFPT-时频分布MBD的故障识别新方法,即应用TFPF消减振动信号的随机噪声作为时频分析的前置处理,对消噪的故障信号作MBD时频分析来识别故障特征,给出了时频峰值滤波时频分布的故障诊断模型。诊断实例的分析结果表明了与传统的MBD的故障特征提取相比,提出的改进方法更易提取出强噪声背景下的轴承早期的微弱故障,具有明显的可诊断性和实用性。     

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。     

内时钟采集时域缸压信号转角度域的方法

提出一种缸内压力信号测试新方法.该方法无需在发动机自由端安装角标器,仅需在飞轮端安装传感器获得飞轮齿圈信号即可,且易于安装.利用高速内时钟数据采集卡同时测试缸内压力信号及齿圈信号,通过Newton插值算法得到齿圈信号过零点的精确时刻;基于发动机在飞轮齿圈转过1个齿的时间内转速恒定的假设,在每个齿内通过插值运算,将时间域的缸内压力信号转化为角度域信号.实验结果表明,提出的方法工作可靠,数据处理的结果满足燃烧过程分析的需要.     

基于小波包分析和BP网络识别的齿轮故障诊断

针对齿轮故障信号的能量所引起的变化会淹没在常规振动与噪声之中，用传统的信号处理方法不易提取故障特征，给齿轮的故障诊断带来很大困难这一事实，本文描述了用于从振动信号中提取故障信息的小波包和用于识别故障类型的BP网络，研究了BP网络故障模式识别与小波包故障特征提取结合在一起对齿轮故障进行诊断的方法，研究结果表明该方法可以成功地用于轮常规故障的识别和诊断。     

基于声卡的乳化液泵故障诊断系统

通过分析乳化液泵排、吸液阀振动产生的机理设计了泵的振动信号测试系统和泵的故障诊断软件。测试系统采用PC计算机、电涡传感器,声卡,建立了乳化液泵振动信号的信号采集系统并对测点的安放进行了说明。用声卡成功地代替了一般的数据采集卡来采集振动信号,有效的降低了整个测试系统的成本。乳化液泵故障诊断系统软件主要包括主调度模块、功能模块组、人工神经网络程序包和数据库等部分。主调度模块主要控制和协调诊断系统其它部分的工作。诊断系统软件的在线故障诊断功能、事后故障诊断功能、人工神经网络的训练以及其它工具的功能都是通过它调用相应的功能模块或子程序来实现的。中心数据库是为整个乳化液泵状态监测与故障诊断系统服务其主要功能是存储各种过程参数和故障诊断参数。     

RMS700监测保护系统的数据管理系统

介绍了一种基于德国飞利浦公司ＲＭＳ７００监测保护系统二次开发而成的计算机数据采集和管理系统。它兼有高速振动数据采集和其他热工数据采集功能，并能实现在线监测及离线分析处理。该系统的核心包括测试信号用快变信号箱、慢变信号箱，高速锁相倍频数据采集板，低速数据采集板以及ＴＭＳ３２０Ｃ２５快速ＦＦＴ板等，最终以高可靠Ｉｎｔｅｌ工控机来管理。该系统用户界面友好，菜单简明易操作，已成功地在北京石景山发电厂连续运行将近一年。对该系统稍加改动就可以移植用于管理美国本特利公司的７２００或３３００仪表，或是构成独立的监测系统。在系统中加入故障诊断软件后，也可构成故障诊断系统     

行波测距用数据采集系统的设计

行波波头到达时刻差的确定是保证行波测距精度的关键。根据行波测距的要求,采用4通道60 MHz采集卡设计了专用的数据采集系统。并利用此数据采集系统进行了模拟实验,实验结果显示,所检测行波信号波头突变特性明显。在此基础上,可较容易实现对于行波波头到达时刻的精确确定。     

基于LabVIEW的倒频谱在齿轮和滚动轴承故障诊断中的应用

介绍了利用LabVIEW平台检测齿轮和轴承故障信号,叙述了在LabVIEW的环境内,使用MATLAB对齿轮振动信号进行倒频谱分析,提取齿轮故障特征信息,实现齿轮故障诊断．并通过实验验证此方法的可行性．