考虑裂纹与磨损故障的齿轮传动系统动态特性分析

针对齿轮系统中同时出现裂纹与磨损故障时实现复合故障诊断较为困难的问题，提出了考虑齿廓磨损和齿根裂纹故障的齿轮传动系统动态特性分析模型。首先，基于Archard公式，建立齿轮传动系统磨损数值仿真模型，求解不同磨损周期下的齿廓磨损量；然后，通过势能法建立裂纹及磨损作用下的单齿啮合刚度计算模型，在双齿接触区考虑啮合齿对磨损量间的关系，结合变形协调，建立双齿啮合刚度计算模型；最后，采用集中质量法建立齿轮系统4自由度动力学模型，以含故障的时变啮合刚度为输入，使用Newmark-β法对动态响应进行求解，获得不同程度裂纹与磨损作用下的齿轮动态特性。实验结果表明：该模型能够较好反应复合故障中磨损与裂纹特征；与未考虑磨损后双齿区实际变形的裂纹与磨损复合故障模型相比，该复合故障模型双齿区刚度计算准确性提高了约22%,所提模型可为含磨损与裂纹的齿轮传动系统故障诊断提供有效的动力学补充。     

齿轮裂纹对动载荷谱的影响

基于摩擦学和齿轮系统动力学,同时考虑到轮齿摩擦、时变啮合刚度、偏心质量和综合误差的影响,创建了齿轮传动系统六自由度耦合动力学模型.利用自适应及变步长数值仿真方法对其进行了非线性振动研究,比较了完好齿轮与带裂纹故障齿轮的振动特性,分析了齿根裂纹对齿轮传动系统载荷谱的时域特性、频域特性和时频特性的影响.     

采用时域与时频域联合特征空间的转子系统碰磨故障诊断

针对转子系统早期碰磨故障,提出了一种基于时域和时频域联合特征提取和分析的方法,并采用该方法对简单转子模型进行了故障诊断。基于BP神经网络和影响函数法,建立了滑动轴承单盘转子碰磨故障动力学模型,并对转子系统碰磨故障进行了数值模拟;分别采用统计学和小波包分解方法,对振动信号的时域和时频域特征进行了提取,综合两者建立了碰磨故障的特征空间,并采用支持向量机(SVM)模型对比分析了基于时域、时频域和综合两者特征空间的故障诊断效果,在此基础上,通过引入可分度函数,将正常振动信号与故障信号同时考虑,对各特征的可分度进行了分析和排序;根据特征分析结果,将特征空间分为高可分度区域和低可分度区域,分别针对单特征和组合特征对碰磨故障进行识别。研究结果表明:单特征的碰磨故障识别率与其可分度函数值呈正相关;组合特征识别效果要优于单特征,且高可分度区域内的组合特征识别效果要明显优于低可分度区域,针对本文所建碰磨故障样本空间,高可分度区域内随机三特征组合平均故障识别率达到90%以上。文中提出的故障特征提取和分析方法可为复杂故障的识别提供参考。     

基于统一特征的配电网故障诊断方法

目前的配电网故障诊断方案大多需要大量故障模拟作为支撑.随着配电网规模不断扩大，故障概率逐年增加，该类方法极易受不同故障类型及个数的限制，使得模拟计算量骤增，难以快速诊断，为此本文提出了一种基于统一特征的配电网故障诊断方法.首先利用稀疏测点电压增量关系，推导出配电网的统一故障特征；然后引入神经网络构建故障诊断模型，结合实例测试统一特征诊断方法并分析其计算量优势；最后将统一特征诊断方法推广至大规模配电网，通过撕裂法进行分区，实现各子网并行诊断.多个诊断实例结果表明，所提方法利用稀疏电压增量值即可有效诊断，其模拟次数与故障类型及个数无关，仅取决于支路条数，大大降低了计算量，且对测量数据无严格同步要求.     

裂纹故障齿轮的振动相位调制

本文从裂纹齿局部刚度变弱的情况出发,分析裂纹故障齿轮的振动调制信息的传递性和频域分布的规律,并解决了齿轮故障诊断中的同类,异类故障的识别问题。     

一种行星齿轮裂纹深度评估新特征及其应用

为了实现行星齿轮损伤程度的准确评估,保证行星齿轮损伤程度评估对于开展装备维修的指导作用,建立了行星轮系平移-扭转动力学模型,分析了行星轮系动力学仿真信号频谱幅值与裂纹程度的变化规律,提出了一种新的裂纹深度评估特征:故障频率及多倍频幅值累积量与啮合频率幅值之比（RCMFAM）.与典型的时域、频域特征比较,所提裂纹深度评估特征与裂纹损伤程度具有良好的关联性和较强的一致性.利用齿轮正常、裂纹50%和断齿三种状态的实验数据进行验证,结果表明,所得评估结果与实际裂纹深度基本一致,验证了所提特征的有效性.      

一维卷积神经网络在往复式压缩机气阀故障诊断中的应用

针对往复式压缩机气阀故障诊断问题，对气阀盖上的振动信号进行分析，提出了一种基于一维卷积神经网络(1D-CNN)的故障诊断模型。首先，将原始一维振动信号经傅里叶变换从时域转换为频域；然后，将频域信号作为1D-CNN的输入，利用卷积层实现自适应提取特征；最后，网络输出层利用Softmax函数实现多种故障的模式识别。在往复式压缩机故障模拟实验台上进行了气阀正常、阀片裂纹、阀片断裂、弹簧失效4种工作状况下气阀盖振动信号的测量并对提出的模型进行验证。结果表明，气阀盖上的振动信号能够明显反映气阀的工作状态，而且信号易提取、十分适合用于气阀的故障诊断；将振动信号从时域转换成频域作为1D-CNN的输入明显地提高了故障分类的准确率；与采用原始一维振动信号作为1D-CNN输入的模型相比，采用频域信号作为输入的故障诊断模型具有更优越的表现，准确率更高，可达100%,而且模型结构简单，能够实现端到端的快速故障诊断。     

基于状态指标的直升机减速器行星轮故障诊断

直升机传动系统是一套复杂的旋转机械装置,承担直升机功率传动的功能,对直升机的安全性至关重要。开展传动部件故障诊断研究,可提高直升机安全性,具有重要价值。本文中描述了直升机主减速器行星齿轮的故障诊断研究。首先分析了行星齿轮的主要故障模式,针对行星齿轮的裂纹故障和剥蚀故障,确定了齿轮故障诊断的状态指标;研制了行星齿轮的裂纹故障试验件和剥蚀故障试验件,并在直升机传动系统故障植入试验验台开展了相关验证实验。通过对采集的数据进行分析,结果表明：利用行星齿轮故障试验件的振动数据计算的状态指标值和健康状态阈值能够明显区分,可以有效诊断行星齿轮的裂纹故障和剥蚀故障。可见采用状态指标对行星齿轮的故障进行诊断是有效的。     

基于改进SAE的提升机制动系统故障诊断

为了减少传统故障诊断方法人工主观干预对诊断结果的影响,使用无监督学习方式提取提升机监测数据的故障特征,提出了一种基于稀疏自编码器的故障诊断方法.首先分析了制动系统的故障机理,采集了提升机正常运行和故障模拟状态下的监测数据,生成了故障诊断数据集;然后建立了SAE故障诊断模型,并使用Dropout和Adam算法对其进行了优化;最后使用测试数据集对模型的性能进行了测试.试验结果表明,提出的方法较好地避免了稀疏数据的训练误差,减少了过拟合现象,降低了稀疏数据局部最优点的影响,故障类型的平均分类精度达到94%,能有效地进行矿井提升机的故障诊断.     

小波包熵与多核学习在列车转向架轴承故障诊断中的应用

为提高列车转向架轴承故障诊断的准确性和效率,提出一种基于小波包熵和多核学习的列车轴承故障智能诊断方法。该方法通过对轴承振动信号进行小波包分解,提取小波包特征分量,通过广义信息熵的概念定义了小波包特征熵函数,最后基于多核学习训练出的分类器对轴承故障类型进行分类,判断轴承的工作状态。实验结果表明,该方法可以准确、有效地实现列车轴承的故障判别,为列车转向架轴承早期故障诊断的研究提供一定的新的思路。     

多深度学习模型决策融合的齿轮箱故障诊断分类方法

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于CNN(Convolutional Neural Networks)和改进SDAE(Stacked Denoising Autoencoders)的混合网络模型,根据改进的D-S证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明,利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。     

含齿根早期裂纹损伤的行星齿轮箱故障机理研究

行星齿轮箱中齿根早期裂纹损伤的故障特征微弱,导致其难以被识别.为揭示齿根早期裂纹的故障机理,采用集中参数法建立计入裂纹损伤效应的行星齿轮箱传动-结构耦合非线性动力学模型.首先,基于势能法建立含齿根裂纹损伤的齿轮副啮合刚度与传动误差计算模型,通过刚度激励函数与位移激励函数将裂纹损伤的效应纳入行星传动系统的非线性动力学模型,进而求解行星传动系统的振动响应,结果表明内、外传动支路之间的传动误差差异导致各支路载荷分配不均.其次,采用ANSYSWorkbench建立箱体结构的有限元模型.将行星传动系统中太阳轮、行星架以及内齿圈的支承反力施加于箱体结构的相应轴承座处,并通过窗函数计入行星架旋转对信号的调制效应以获取行星齿轮箱的振动信号;通过对箱体振动信号的频谱分析,提取了行星齿轮箱齿根早期裂纹损伤的故障特征.最后,搭建动力传动故障模拟实验台,对存在齿根早期裂纹损伤的行星齿轮箱进行了振动测试.仿真信号与实测信号基本一致,表明所建行星齿轮箱传动-结构耦合动力学模型能准确揭示行星齿轮箱齿根早期裂纹损伤的故障机理.行星齿轮箱中齿根早期裂纹损伤的故障特征表现为以啮合频率为中心、故障特征频率的分数倍频及行星架转频为间隔的调制边带.     

基于深度学习和激光多普勒测振技术的机械臂电机故障时频尺度诊断方法

机械臂电机振动信号的采集效果较差,影响时频特性分析过程,导致故障诊断效果与精度较差,为此提出基于深度学习和激光多普勒测振技术的机械臂电机故障时频尺度诊断方法。使用激光多普勒测振技术与小波阈值去噪算法,建立机械臂电机振动信号采集系统,获取并重构故障信号;提取电机振动信号的时域、频域等尺度特征,引入人工神经网络建立一个具备学习能力的故障诊断模型,将提取的机械臂电机故障时域、频域等尺度特征输入诊断模型中,输出分类诊断结果,即可完成机械臂电机故障时频尺度诊断。结果表明：利用该方法开展电机故障诊断时,检测结果与实际电机故障类型之间偏差较小,诊断效果好、精度高。     

变压器绕组短路故障多特征融合诊断

绕组匝间短路是变压器最常见的初期故障类型之一.为了提高轻度故障的诊断准确率,考虑绕组短路电流、绕组温度、电流密度和磁通偏移特征,提出了变压器绕组短路故障的多特征融合诊断方法.首先建立了变压器绕组短路的COMSOL空间模型,将仿真结果和理论计算结果进行对比,证明空间模型的正确性.然后,对变压器轻度故障时进行了故障模拟和故障特征分析,提取其电流特征参量、温度特征参量、电流密度偏移率和磁通偏移率作为故障特征.采用BP网络进行故障识别.变压器的工程诊断实例验证了本文方法的有效性.     

基于时空特征组合模型的转辙机故障诊断

为解决转辙机故障诊断领域中存在的单一特征信息提取不足、单一诊断方法难以避免因方法局限性造成的分类误差,同时其存在一定程度的过拟合,以及泛化能力、鲁棒性不足的问题,提出了一种基于时空特征组合模型的故障诊断方法。首先,在ZYJ7电液转辙机的8种故障模式和正常模式所对应的油压曲线上提取时频域小波系数作为原始数据集,采用核主成分分析（KPCA）和长短期记忆网络（LSTM）提取其空间、时间特征,之后基于add思想构建时空特征集。其次,对卷积神经网络（CNN）、LSTM两分类器关键参数寻优后分别进行故障诊断,得到各个故障类型的概率值和误差系数。最后,利用误差倒数法对两分类器各个故障类型的概率值赋予权重,得到最终输出结果。仿真结果表明：CNN-LSTM组合模型诊断准确率达98.14%,较单一多层感知机（MLP）、CNN、LSTM模型准确率分别提升7.40%、5.55%、1.85%。可见此方法有效提高了转辙机诊断准确率,为集成学习模型在转辙机故障诊断领域的应用提供了一种思路。     

基于过渡过程信号的振动机机体结构裂纹故障检测

目的 研究含裂纹的振动机机体结构在启动这一短时过渡过程中各个动力学响应随裂纹程度变化的趋势,为振动机机体结构的裂纹故障早期诊断研究提供理论参考。方法 将复杂的非线性振动结构问题通过等效建立模型、动力学分析求解、时频域信号分析相结合进行研究,模拟不同的启动初始输入运动信号、不同裂纹位置的情况;编制龙格-库塔VB程序并模拟不同裂纹大小程度来求解该动力学模型,得出位移、速度、加速度等响应的时域图与频域图,并进行对比分析。结果 在时域内过渡过程振动响应的周期与振幅会随裂纹程度增大而增大,在频域内振动响应会随裂纹程度增大而出现“频幅增大”、“频率成分新增”、“移频”的变化规律。结论 通过多角度对比证明,可以将各响应在时域与频域的变化作为故障诊断的判别依据,判断是否含有机体裂纹故障及故障的程度。     

基于SVM与多振动信息融合的齿轮故障诊断

针对齿轮振动信号故障特征微弱以及单个传感器故障诊断可靠性与准确性低等问题,采用多传感器信息融合方法,利用支持向量机(SVM)对8路齿轮振动信号进行特征级融合,实现故障诊断.研究结果表明:基于多个传感器单个特征量信息融合的齿轮故障诊断率比常规的基于单个传感的多个特征量的诊断准确率更高,诊断结果更可靠;峰值因子对齿轮故障最敏感,以峰值因子为特征量的多传感器信息融合,诊断准确率达93.33%.     

小波分析在齿轮故障诊断中的应用

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.     

基于PCA与HTM的齿轮故障诊断研究

针对齿轮非平稳时变特性以及特征提取过程中维数多等特点,本文提出基于主成分分析(Principal Component Analysis,PCA)和分层时序记忆法(Hierarchical Temporal Memory,HTM)结合的方法。首先从EMD分解和无量纲两个方面提取故障特征;其次,利用PCA方法对提取的数据进行降维处理从而避免维数灾难,提高诊断精度;最后利用HTM方法进行模式识别。HTM具有抗噪性、自适应、泛化能力强等特点,可以很好地处理含噪数据的同时保证较高的识别率。实验结果表明两者结合的方法能够快速区分各种故障类型,提高齿轮故障诊断率,为齿轮故障诊断的应用提供了新的思路。     

裂纹齿轮时变啮合刚度与传动系统振动机理

研究齿轮裂纹对时变啮合刚度和振动特性的影响机理。首先,将齿轮齿廓分为过渡曲线、渐开线非啮合区和渐开线啮合区3个部分建立精确的齿廓模型,再结合势能法改进时变啮合刚度计算方法。其次,建立齿轮裂纹分析模型,将裂纹扩展路径和有效厚度的限制线分别假设为直线和抛物线,根据几何法和裂纹终止点的位置,改进有效截面积和截面惯性矩的计算方法,求解不同裂纹状态下的时变啮合刚度曲线。最后,建立六自由度裂纹齿轮故障动力学模型,采用龙格-库塔法求解不同裂纹下齿轮传动系统的振动特性和幅频特性,通过小波变换对振动特征进行时频分析。同时,采用统计指标的方法,研究齿轮裂纹对传动系统振动响应的敏感度。研究结果表明：裂纹齿轮在啮合过程中会产生冲击特征,随着裂纹情况的加剧,冲击加剧;峭度对振动响应最为敏感。