齿轮箱起动过程阶次倒双谱故障诊断方法

针对齿轮箱升降速过程中振动信号非平稳的特点,将常规的阶次分析与倒双谱技术相结合,提出了基于阶次倒双谱的齿轮箱故障诊断方法.首先对齿轮箱升降速瞬态信号进行时域采样,再对时域非平稳信号进行等角度重采样,转化为角域平稳信号,最后对角域重采样信号进行倒双谱分析,就可提取齿轮的故障特征.通过对齿轮齿根裂纹故障实验信号的分析,表明阶次倒双谱分析能有效地诊断齿轮的裂纹故障.     

齿轮箱升降速过程阶次倒谱故障诊断方法研究

齿轮箱升降速过程中的振动信号包含有重要的参考信息,研究该过程中的振动信号,有助于识别齿轮箱的故障.将常规的倒谱分析技术与阶次分析相结合,提出了阶次倒谱的齿轮箱故障诊断方法.首先利用重采样技术,将时域非平稳信号转化为角域平稳信号,最后对角域重采样信号进行倒阶次谱分析,就可提取齿轮的故障特征.实验分析结果表明该方法能有效地识别齿轮的故障类型.图8,表1,参8.     

基于阶次跟踪和经验模式分解的齿轮故障诊断

提出了一种研究旋转机械瞬态信号的分析方法.对齿轮箱加速时测得的原始振动信号进行角域重采样,并对角域里的信号进行经验模式分解(EMD)得到多个固有模式函数(IMF),最后对包含齿轮故障信息的IMF分量进行阶次谱分析.结果表明,阶次跟踪技术能够有效地避免传统频谱方法所无法解决的频率模糊现象,EMD方法能够提取包含故障信息的IMF分量,将两种方法相结合是对传统的频谱分析法的有力补充,具有很广阔的应用前景.     

变速重载设备齿轮箱轴承故障的改进阶次包络分析方法

针对变速重载设备振动信号中轴承故障特征提取时易受齿轮振动干扰的问题,提出了一种融合齿轮和轴承参数信息的改进阶次包络分析方法。先利用设备转速信息,对原始振动信号进行插值重采样处理,将非平稳时域信号转化为平稳角域信号;再利用齿轮齿数和轴承故障特征系数信息,采用以齿轮啮合频率及其谐波为中心频率,以轴承最大故障特征系数的倍频为带宽的阶次域频带分割方法,计算频带能量并排序,选择能量较大的频带作为解调频带进行滤波;最后利用Hilbert解调方法对上述滤波后的信号进行阶次包络平均处理,最终实现轴承故障的识别和诊断。通过齿轮啮合动力学分析,解释了轴承故障冲击成分对齿轮频带的调制作用,实际应用结果表明:提出的方法在频带选择时融合了和故障相关的设备参数信息,所选频带的可解释性强,且综合利用了与故障相关的多段频谱结构信息,通过阶次包络平均处理进行解调谱特征融合,提高了诊断结果的鲁棒性和准确度,为变速重载设备轴承故障预测和诊断提供了一种新的方法。     

某型涡扇发动机中介轴承微弱故障特征信号提取技术

研究航空发动机在降转速过程中中介轴承微弱故障特征信号的提取技术,提出了一种基于计算阶次分析、三次样条插值分析与包络谱分析相结合的新方法。基于滚动轴承模拟故障实验和航空发动机中介轴承微弱故障实验测得的降速工况下的转速信号和振动信号,首先对转速信号在时域内积分获得角位移-时间信号;再对该信号进行线性插值获得等角度间隔的角位移-时间信号;然后利用该时间序列对振动信号进行三次样条差值获得等角度间隔分布的重采样振动信号;最后对重采样振动信号进行包络分析及快速傅里叶变换获得阶次包络谱。通过两种实验分析表明该方法能有效提取出复杂路径下航空发动机中介轴承微弱故障特征信息。该方法为航空发动机中介轴承微弱故障特征信号提取提供了一种重要手段,具有广泛的应用前景。     

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。     

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.     

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FrFT滤波和LMS降噪的变转速滚动轴承故障诊断

变速工况下的机械故障诊断逐渐成为旋转机械监控领域的一个热门课题,在变转速下故障更容易发生且伴随更大的噪声,而相应的降噪问题目前却没有可靠的解决方法。因此提出一种基于分数阶傅里叶变换（FrFT）滤波和最小均方算法（LMS）降噪的故障诊断方法,对变转速工况下轴承振动信号进行降噪,进而提取非平稳故障特征。首先,同时获得滚动轴承振动加速度信号和转速信号;然后对Hilbert解调后的振动信号进行峰值搜索FrFT,按照搜索得到的最佳阶次和分数阶域聚集位置进行FrFT滤波;再将FrFT滤波得到的信号作为参考信号,原包络信号作为输入信号,进行LMS自适应降噪;最后对降噪后的信号按照转速重采样进行阶次分析,将包络阶次谱中的突出特征与故障特征阶次对比,判断故障。该方法可成功应用于变转速工况下滚动轴承的试验数据处理,证明了方法的有效性。     

基于阶次自分离的轮毂电机故障诊断方法

轮毂电机作为电动汽车四轮独立驱动系统的动力源,其运行状态直接关系着整车安全。为了逐步实现对轮毂电机运行状态的监测,提出一种新的方法——阶次自分离方法,以适应其复杂多变的行驶工况。本方法克服了传统阶次跟踪方法需同时采集转速信号和振动信号的局限性,仅针对转速信号进行研究,并提取其中蕴藏的非正常波动成分,同时借鉴传统阶次跟踪方法对时域非平稳信号的处理方式,对波动成分进行角域重采样和傅里叶变换,凸显出蕴藏于转速信号中的故障特征,进而实现对轮毂电机的故障诊断。结合Matlab仿真分析和轮毂电机漏电故障试验,结果表明阶次自分离方法可有效识别出轮毂电机漏电故障特征。     

基于ARMA模型双谱分布与FCM方法的轴承故障识别

针对滚动轴承信号非线性和非高斯性的特点,提出了基于自回归滑动平均(ARMA)模型双谱分布特征与模糊c均值(FCM)聚类分析的故障识别方法.首先,利用经验模态分解改善信号,对获得的信号主分量建立ARMA模型;然后,对ARMA模型进行双谱分析;最后,以阈值化的双谱分布二值图为特征向量,借助FCM聚类算法构建类模板与最近邻模板分类器,实现故障识别.滚动轴承实例诊断结果表明,该方法能准确地判断轴承的实际性态,是一种有效的故障识别方法.     

高阶时频分布在滚动轴承故障诊断中的应用研究

滚动轴承故障信号是非高斯、非线性、非平稳信号,由于调制性,使用幅值谱分析方法无法找到轴承故障频率。将高阶时频分布——主要是Wigner双谱分析方法应用于滚动轴承的故障诊断,计算滚动轴承振动信号的高阶时频分布,并对其沿时间轴切片,分析了切片的幅值谱。针对不同故障轴承,对其振动信号幅值谱、高阶时频分布及其切片谱的对比分析表明,高阶时频及其切片谱性能优于幅值谱。     

小波减噪和双谱分析在轴承故障诊断中的应用

提出了基于小波减噪技术和双谱分析的滚动轴承故障诊断的方法。利用小波变换及其减噪技术对滚动轴承早期微弱故障振动信号的特征频率进行提取，采用双谱估计可绘出滚动轴承故障信号的特征图谱。实验表明，小波减噪和双谱分析方法可以敏感地监测滚动轴承工作状态，并且利用特征图谱可以有效地识别滚动轴承不同的故障特征。     

基于WT和STFT车辆启动抖动特性时频分析

针对自动启停车辆在启停过程中的抖动问题,为快速有效识别启停抖动的振动特性,提出一种应用小波变换(WT)与短时傅里叶变换(STFT)结合对振动信号进行准确识别的方法。该方法应用小波变换对启停过程中非平稳信号最大振动时刻进行有效处理,应用短时傅里叶变换分析振动信号峰值振幅和频率。仿真分析和试验对比表明,该方法具有有效性和实际应用价值。     

基于ReliefF-PCA和SVM的发动机故障诊断方法研究

针对柴油发动机机组振动信号非线性和非平稳性以及机组实际故障案例样本数据少的特点，提出了一种基于ReliefF、主成分分析（PCA）以及支持向量机（SVM）的柴油发动机故障诊断方法。首先提取发动机冲击信号的特征参数，运用ReliefF选择出其中的敏感特征以降低处理过程的计算难度；然后采用PCA进一步提取敏感特征，消除各特征之间的相关性，避免冗余；最后利用SVM实现机组的故障分类，诊断不同类型的故障。将本文方法应用于柴油机实际典型故障案例中，结果表明该方法能有效提取柴油机缸盖振动信号中的故障敏感特征，并实现多种典型故障的诊断。     

耦合信号微分后对双谱的影响

为有效区分和分析相近工作状态的振动信号,提出了基于时间序列进行微分再求其双谱的方法以放大相似信号的差异。由于平稳随机过程的铣床振动信号的双谱具有高度相似性而难以区分的特点,文章通过对比分析多次微分后的双谱和双谱对角切片,结果表明:微分前具有高度相似性的双谱,在微分后呈现出了不同的差异性,并且这种差异性随着微分次数的增加变得愈加明显。因此,时间序列的微分运算可有效提取信号特征,以实现对高度相似性信号的区分与分析。由于在各种机械加工系统中,各种参数比如转速、材料及粗糙度等,都与信号的双谱特征有关,因此可以根据研究结果调整各种参数,从而达到改善系统功能的目的。     

基于高阶谱的异步电机定子匝间短路故障诊断方法研究

传统的信号频谱分析方法应用在信噪比低、故障特征不明显的异步电机定子匝间短路故障诊断中,往往会出现因为故障的频谱图差别不大而导致误判的问题,为此提出了一种基于高阶谱的定子匝间短路故障诊断方法。高阶谱相较于传统频谱分析,具有良好的抑噪性,同时还保留了信号的非线性相位信息,解决了定子匝间短路故障快速诊断的问题。通过理论联系实例分析表明:发生定子匝间短路故障与未发生故障的电流信号"最大幅值"处双谱水平切片图完全不同,且随着故障严重程度的增加,其谐波分量越多,幅值越大。由此验证了该方法可以有效地提取出信号中的非线性特征,完成了对异步电机定子匝间短路故障的诊断,具有良好的实际应用前景。     

基于EEMD能量熵和支持向量机的齿轮故障诊断方法

针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出基于总体平均经验模态分解(EEMD)和支持向量机的齿轮故障诊断方法.通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(IMF);齿轮发生不同的故障时,在不同频带内的信号能量值会发生改变,故可通过计算不同振动信号的EEMD能量熵判断是否发生故障;从包含有主要故障信息的IMF分量中提取出来的能量特征作为输入建立支持向量机,判断齿轮的工作状态和故障类型.实验结果表明:文中提出的方法能有效地应用于齿轮的故障诊断.