首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 234 毫秒

1.  EMD方法在齿轮故障诊断中的应用  被引次数:10
   于德介  程军圣《湖南大学学报(自然科学版)》,2002年第29卷第6期
   将EMD(Empirical Mode Decomposition)方法应用于机械故障诊断中,提出了一个新的齿轮故障诊断方法。EMD方法基于信号的局部特征时间尺度,能把复杂的信号分解为有限的内在模态函数(Intrinsic Mode Function)之和,这种自适应的分解方法非常适于非线性和非平稳过程的分析。用该方法对齿轮故障振动信号进行了分析,结果表明该方法能够有效地降低噪声,提高信噪比,突出齿轮故障振动信号的故障特征,从而提高齿轮故障诊断的准确性。    

2.  主分量分析法在齿轮故障诊断中的应用  
   赵振英 汤和《天津大学学报(自然科学与工程技术版)》,1990年第3期
   探讨了主分量分析法在齿轮故障诊断中的应用问题,从理论上对主分量分析法进行了推导和分析,讨论了其误差,编写了用该法诊断故障的程序,并给出了齿轮诊断的应用实例。该方法直接利用齿轮振动噪声信号进行分析,具有速度快、准确性高的优点。    

3.  匹配追踪在齿轮故障诊断中的应用  被引次数:3
   赵发刚  陈进  董广明《上海交通大学学报》,2009年第43卷第6期
   提出了一种基于匹配追踪的齿轮振动信号的特征提取方法.通过仿真计算将该方法与传统的时频分析方法,如短时傅里叶变换进行比较,验证了该方法的优越性.将匹配追踪方法应用到实际的齿轮故障诊断中.结果表明,该方法能准确地提取故障齿轮的冲击和谐波成分.因此,匹配追踪方法应用于齿轮故障诊断是有效的.    

4.  二次FFT分析法与齿轮故障边频识别  
   黄筱调  王宛山《东北大学学报(自然科学版)》,1999年第20卷第2期
   在分析齿轮振动信号频谱特征的基础上,提出了二次FFT分析法·该方法可识别出齿轮啮合中有故障的齿轮·将这一方法用于齿轮振动信号的实测分析,取得了对边频解调的效果,为解决提取具有边频故障特征信息一类诊断问题,提供了一种新的简便可行的方法·    

5.  小波分析在齿轮故障诊断中的应用  
   徐东涛  平鹏《鞍山科技大学学报》,2002年第25卷第6期
   利用MATLAB语言编程检验了小波分析在齿轮故障诊断中的应用效果,利用双正交小波基(Bior2 4)将减速机箱体的故障振动信号分解到时频域,提取出了齿轮故障信号.同时结合传统的故障诊断方法进一步诊断了齿轮的故障模式.试验结果验证了上述方法综合应用的有效性.    

6.  小波分析在齿轮故障诊断中的应用  
   徐东涛  平鹏《辽宁科技大学学报》,2002年第25卷第6期
   利用MATLAB语言编程检验了小波分析在齿轮故障诊断中的应用效果,利用双正交小波基(Bior2.4)将减速机箱体的故障振动信号分解到时频域,提取出了齿轮故障信号.同时结合传统的故障诊断方法进一步诊断了齿轮的故障模式.试验结果验证了上述方法综合应用的有效性.    

7.  基于小波包分析和BP网络识别的齿轮故障诊断  被引次数:3
   王本永  郭仁宁  李文生《辽宁工程技术大学学报(自然科学版)》,2002年第21卷第5期
   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。    

8.  变速箱振动信号的分解及在故障诊断中的应用  被引次数:1
   张中民  卢文祥  杨叔子  张英堂《华中科技大学学报(自然科学版)》,1997年第7期
   建立了变速箱故障振动理论模型,模型考虑了箱体内部各齿轮、轴承和轴不对中时对箱体复合振动信号的影响.利用时域同步平均技术和小波分析技术分别将齿轮振动信号、轴不对中故障振动信号和轴承故障振动信号从箱体复合振动信号中分离出来,并利用分离出来的振动信号成功地诊断了变速箱的典型故障.    

9.  通过监测电机的定子电流实现齿轮的故障诊断  被引次数:10
   苏恒  洪迈生  熊诗波《上海交通大学学报》,2000年第34卷第10期
   研究了损伤齿轮的振动信号特征,齿轮的扭转振动信息中包含丰富的齿轮故障信息,由于直接测量扭转振动信号比较困难,文中提出通过监测电机的定子电流对齿轮的扭振进行测量,通过对信号的分析提取故障特征最终实现齿轮的故障诊断。    

10.  连续小波变换在机械故障特征提取中的应用  被引次数:1
   张澎涛  刘晋浩《吉林大学学报(信息科学版)》,2014年第2期
   为解决提取齿轮故障特征时去除外部噪声的问题,以连续小波变换和自相关系数法为理论依据,以缺齿齿轮故障为例,提出了一种齿轮故障诊断方法。该方法能从所测量的含噪信号中确定出故障脉冲所对应的时间节点。利用多通带滤波器进行滤波处理,可以从提取的故障特征中有效地剔除寄生脉冲。实验表明,该方法能准确识别断齿振动信号的故障特征。    

11.  基于LabVIEW的倒频谱在齿轮和滚动轴承故障诊断中的应用  
   马圣乾《山东师范大学学报(自然科学版)》,2008年第23卷第4期
   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.    

12.  基于声信号分析的齿轮故障诊断方法  
   杨德斌  杨聚星  阳建宏  章立军《北京科技大学学报》,2008年第30卷第4期
   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.    

13.  变速箱振动信号的分解及在故障诊断中的应用  被引次数:2
   张中民 张英堂《华中理工大学学报》,1997年第25卷第7期
   建立了变速箱故障振动理论模型,模型考虑了箱体内部各齿轮,轴承和轴不对中时对箱体复合振动信号的影响,利用时域同步平均技术和小波分析技术分别地将化振动信号,轴不对中故障振动信号和轴承故障振动信号从箱体复合振动信号中分离出来,并利用分离出来的振动信号成功地诊断了变速箱的典型故障。    

14.  行星齿轮减速器齿轮故障诊断和信号处理方法综述  
   崔永祥  张坤《河南科技》,2014年第17期
   根据行星和定轴齿轮减速器的区别和联系,分析了行星齿轮系中齿轮的故障特点和形式,对已有学者的研究成果进行了分析,确定了正确的齿轮系齿轮故障信号的模型和分析方法,并分析了各种多级行星齿轮减速器故障诊断方法的区别。    

15.  基于EEMD和小波包变换的早期故障敏感特征获取  被引次数:2
   王红军  万鹏《北京理工大学学报》,2013年第33卷第9期
   提出一种基于总体平均经验模态分解和小波包变换的方法,进行早期故障敏感特征的获取,构建早期故障诊断模型.该方法首先应用EEMD对现场采集的振动信号进行分解,分离出不同频率成分的特征信号,选择与原信号相关系数最大的IMF分量进行信息重构;面向重构的IMF分量采用WPT进行分解,得到各个节点的小波系数;最后使用Hilbert变换提取小波包系数的包络,计算功率谱,准确获得早期故障的敏感特征.通过对仿真信号的分析验证了该方法对故障诊断的有效性.将该方法应用于实测的滚动轴承的内圈、外圈和滚动体故障诊断,诊断结果均表明该方法可有效提取早期故障敏感特征,故障诊断快速准确.    

16.  Hilbert能量谱及其在齿轮故障诊断中的应用  被引次数:11
   于德介  程军圣  杨宇《湖南大学学报(自然科学版)》,2003年第30卷第4期
   将Hilbert—Huang变换引入齿轮故障诊断,提出了局部Hilbert能量谱的概念,同时建立了一种基于Hilbert—Huang变换的齿轮故障诊断方法:Hilbert能量谱方法。该方法首先采用EMD方法将齿轮故障振动信号分解为若干个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后选择包含故障信息的IMF分量进行Hilbeft变换得到局部Hilbert能量谱。在局部瞬时能量图中可以发现,齿轮故障振动信号具有明显的冲击特征,从而可进一步对齿轮故障进行诊断。    

17.  基于小波包-改进神经网络的齿轮传动系统故障诊断研究  
   杨铁梅《科技信息》,2009年第12期
   本文研究了小波包分析、神经网络在齿轮传动系统故障诊断中的应用。通过实例成功地对齿轮传动系统故障模拟实验中获得的振动信号进行基于小波包分析的故障特征提取,然后应用改进的神经网络进行齿轮传动系统的故障识别。结果表明,在齿轮传动系统故障诊断中,基于小波包-神经网络的故障是一种行之有效的方法。    

18.  基于小波包分解的滚动轴承故障诊断  被引次数:1
   黄中华  尹泽勇  刘少军  丁文强《湖南科技大学学报(自然科学版)》,2008年第23卷第2期
   提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.    

19.  小波变换与滚动轴承振动的故障诊断方法研究  被引次数:1
   李伟  何涛  吴庆华《三峡大学学报(自然科学版)》,2006年第28卷第3期
   简要综合介绍了滚动轴承振动及故障诊断的方法及小波变换在滚动轴承故障特征提取中的应用.通过对滚动轴承故障信号的分析表明,该方法可以分析出滚动轴承振动的故障信号,确定轴承振动的故障部位.    

20.  基于电机定子电流的齿轮故障诊断方法  
   杨明  李广  董传洋  柴娜  徐殿国《北京交通大学学报(自然科学版)》,2015年第5期
   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.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号