谐波校正法在减速机故障分析中的应用

针对信号中大量离散谱线且存在较明显的等间距频率成分,运用了谐波校正法,避开单个谱峰的校正问题,一次性地确认减速机各通道的离散频谱,并对所得离散频谱与各齿轮通过频率进行配对以确认谱峰来源．在此基础上,对多工况下的各次测量结果进行综合分析,快速准确地分析出斜轴振动是减速机故障主要根源．     

包络分析方法及其在齿轮故障振动诊断中的应用

通过理论分析和实际工程应用分别讨论了两种常用的齿轮振动包络分析方法，将细化技术融于希尔伯特交换解调及窄带解调之中，以提高解调频谱的频率分辨力。     

非线性频谱分析在故障诊断中的应用

提出了一种基于非线性频谱分析的故障诊断方法。针对测量信号不可避免的噪声干扰,采用总体最小二乘法辨识系统的频域传递特性,利用人工神经网络完成故障模式分类,构造了一种合理的特征提取方法,并给出了基于非线性频谱分析的故障诊断的完整方案。试验结果表明,该故障诊断方法准确率高,计算量小,可以应用于实际工程。     

倒频谱在齿轮故障诊断中的应用

根据倒频谱所具有的特性，将原来信号频谱图上成族的边频带谱线简化为单根谱线。利用这一特点来识别齿轮振动复杂频谱图上的周期结构，分离和提取出密集泛频信号中的周期成分、多成分边频等复杂信号，使测试系统的在线故障诊断更加快速准确。     

连轧机组减速机异常振动的故障诊断

针对连轧机组减速机在检修后开始工作中,产生较大振动这一异常现象进行了诊断与分析,从而找出了产生这一故障的原因,更换故障件后得到证实,诊断是正确的．     

FFT-FS频谱细化技术及其在机械故障诊断中的应用

介绍了ＦＦＴ－ＦＳ频谱细化方法。这种方法在不增加采样点数的前提下,对感兴趣的频带进行细化,能够得到比较准确的频率值。并以某厂Ｒ１轧机主传动系统的减速机为例,说明该方法是准确确定故障频率并进行诊断的有效方法。     

连轧机组减速机异常振动的故障诊断

针对连轧机组减速机在检修后开始工作中,产生较大振动这一异常现象进行了诊断与分析,从而找出了产生这一故障的原因,更换故障件后得到证实,诊 断是正确的.     

模式识别技术在扬声器故障诊断中的应用

针对目前扬声器检测普遍采用人耳监听的现状，提出一种基于模式识别技术进行扬声器故障检测的方法．首先，对87个类型已知的各类扬声器进行数据采集和数据处理，并计算不同类型扬声器的类标准频谱图；然后，测试其他已知类型的扬声器，进行数据处理，计算其频谱与类标准频谱图之间的欧氏距离、相似度和二维相关系数三种指标，并根据其对扬声器进行识别．试验结果表明，利用频谱图及多指标的模式识别技术能够提高故障诊断精度．     

模糊诊断技术在旋转机械设备故障诊断中的应用

在复杂的机械系统中,一种故障状态可能引起多种故障征兆,而一种故障征兆也可能在不同程度上反映多种故障状态。根据振动信号频谱分析结果,提取频谱特征,获取各种故障征兆信息。在已知故障征兆的情况下,对多故障同时发生和多故障具有相同征兆的诊断问题,利用模糊诊断技术,确定机械设备故障类别的隶属度值,经模糊综合诊断后确定设备的故障。     

一种包络谱细化的新方法及其在故障诊断中的应用

把带通滤波、Hilbert变换和细化(ZOOM)技术巧妙地融于一体,避免了时域中的数字滤波和Hilbert变换运算,从而为在微型计算机上实时计算包络谱的细化提供了一种快速算法.文中还将该方法应用于齿轮箱故障诊断.     

应用倒频谱分析法对风力发电机组齿轮箱故障诊断

针对风力发电机组齿轮箱运行环境恶劣,故障信号中调制边频带复杂这一特点,采用基于倒频谱方法对故障特征进行了分析,提高了故障诊断的准确性,并给出了应用实例,为风力发电机组设备管理与诊断提供了一种有效的途径。     

基于小波分析的齿轮箱故障诊断

对测取的齿轮箱振动信号进行了离散小波变换，提取了齿轮箱螺栓拉断的故障信息。结果表明，小波变换或小波分析为判断、预防同类事故提供了一种有效的分析手段。     

变速箱振动信号的分解及在故障诊断中的应用

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．     

时间序列方法在齿轮箱故障诊断中的应用

采用时间序列方法对齿轮箱振动信号进行谱分析，与传统功率谱分析相比较，可提高故障信号谱峰的分辨率，将其用于齿轮箱故障诊断，可提高故障诊断的精度，并可对齿轮故障的发展趋势进行有效的预测。     

小波包分析在变速箱故障自动诊断中的应用

小波包分析技术能有效地在宽频带范围内提取振动信号的有用成分，便于实现拖拉机变速箱故障的自动诊断．分析了小波包分析原理和BP人工神经网络拓扑结构，研究了小波神经网络在变速箱故障自动诊断应用中的几个关键问题，提出了相应的解决方法．运用小波包分解与重构技术将振动信号分解到不同的频段内，并将其能量归一化，实现故障特征信息的自动提取，然后在此基础上建立以小波人工神经网络为框架的拖拉机变速箱故障自动诊断系统，并对“东风8l—A型”手扶拖拉机变速箱的故障信号进行特征提取，取得了较好的效果．     

特征谱分析方法及其在列车轮对故障诊断中的应用

鉴于列车轮对故障特征信息往往被淹没在背景噪声里,而一般频谱分析方法常因负载变化、转速波动而造成谱值模糊不准的缺点,提出了一种列车轮对故障在线诊断的特征谱分析方法,并根据列车轮对故障诊断的实际需要,研制了故障在线诊断特征谱分析系统.阐述了该方法的原理、信号采样、信号处理以及特征谱泄漏抑制等问题.实际运用结果表明该方法比普通的频谱分析技术更为准确地描述了故障信号的特征,是一种可靠而有效的故障诊断方法.图5,参8.     

高斯小波-最大熵谱分析法及其在机械故障诊断中的应用

充分利用小波和现代谱分析的优点,提出一种新的谱分析方法——高斯小波－最大熵谱分析方法。介绍了该方法的分析步骤,并应用于减速机的故障诊断。该方法实现了在机械设备故障诊断中不同频带范围内零部件故障信息的分离和提取。     

小波分析在大型齿轮箱故障诊断中的应用

介绍了小波分析的原理及在大型齿轮箱故障诊断中的应用。通过现场的应用实例，讨论小波分析在大型齿轮箱故障诊断中的应用效果。