基于局部同步拟合和窄带解调的行星传动齿根裂纹故障检测

为实现较少旋转圈数工况下的行星传动齿轮故障检测，本文提出一种基于局部同步拟合和窄带解调的行星传动齿根裂纹故障检测方法。该方法首先对行星齿轮箱振动信号进行角域重采样，再采用局部同步拟合方法估计出确定性分量；随后，由研究中提出的啮合谐波能量比最大准则自动选择包含齿轮故障信息最丰富的滤波阶次频带，并进行窄带解调；最后，通过幅值解调和相位解调揭示齿轮故障特征。实验和对比结果表明：该方法可以有效检测出齿根裂纹引起的周期性幅值和相位突变，且所需数据量较传统的加窗同步平均方法更少，在少转数工况下的齿根裂纹故障检测具有一定的优势。     

基于循环统计量的直升机齿轮箱轴承故障早期检测

在分析齿轮箱振动信号的基础上,提出了基于循环统计量的轴承故障早期检测方法,阐述了表征故障的一维和二维循环平稳特征。该方法利用信号与噪声具有不同循环频率的特性实现了信噪分离,能够比较容易地从复杂背景中提取出微弱的特征信息。最后在某型直升机齿轮箱轴承故障的早期检测中进行了实验验证。结果表明,该方法优于功率谱和解调分析,能够提取故障的早期特征。     

裂纹故障齿轮结构声振特性与模拟研究

将齿轮结构按照圆盘来等效处理,建立了故障齿轮的动力学分析模型与声学模型,分别分析了径向裂纹和弧向裂纹情况下齿轮体的振动辐射声压与声场指向特性,研究了裂纹对齿轮结构辐射声场特性的影响.综合利用ANSYS及MATLAB软件模拟计算得到裂纹齿轮结构在r=0.5 m球面上的声压指向分布及轴向声压分布,探讨了不同的裂纹类型和不同的裂纹大小对齿轮结构振动声特性的影响程度,通过对模拟研究结果的分析比较与评价来说明裂纹的位置、形状以及裂纹大小对齿轮结构声场特性的影响大小和影响规律,为采用声学方法来诊断齿轮故障奠定了基础.      

弹性支撑条件下裂纹齿轮体有限元模拟与仿真

将齿轮与轴的装配支撑关系考虑为弹性支撑, 采用有限元数值分析ANSYS软件对故障齿轮的动力特性进行了模拟.研究了裂纹故障发生后齿轮动力特性的变化, 分析了不同大小和不同类型的故障对齿轮体动力特性的影响.结果表明:裂纹的大小和位置对动力特性都有影响, 但裂纹发生位置的影响要大于裂纹大小的影响, 即处于齿轮结构体中部的缺陷要比处于外边缘的缺陷对动力特性影响大.另外, 探讨了仿真时设置弹性支撑边界条件的方法, 并通过与固定支撑和自由支撑边界条件的比较, 给出了弹性支撑条件下分析结果的真实性和有效性, 为齿轮故障发生机理和诊断的研究提供了一种方法.      

基于非线性有源自回归模型的船用凝汽器故障早期预警

针对故障数据稀缺的现实情况,为实现船用凝汽器性能的准确评估以及灵敏故障早期预警,提出了基于非线性有源自回归模型的故障早期预警方法。考虑到凝汽器参数间存在的时序特性以及非线性特性,本文采用非线性有源自回归模型对参数间关系进行刻画并建立了面向故障早期预警的常模式模型。利用凝汽器物理模型的故障仿真数据进行试验,结果表明提出方法对正常数据和故障早期数据的检测精度分别达到98.13%与100%。对比实验证明了考虑时序特性在船用凝汽器故障早期预警中的必要性。     

铁磁构件残余寿命评估方法

 为研究磁记忆检测技术评估铁磁材料早期损伤的可行性,以磁记忆检测技术为手段,对40Cr钢三点弯曲SE(B)试样进行了常温疲劳裂纹扩展试验,分别测量了试样在相同载荷条件下不同循环周次N时的磁场数据。定义了一种新的磁记忆特征参量,分析并探讨了疲劳裂纹扩展过程中该特征参量的阶段性特征,结果表明该特征参量较传统的磁记忆特征参量变化明显。通过分析磁记忆信号与裂纹扩展寿命、累积疲劳损伤之间的关系,建立了基于磁记忆信号的损伤参量模型,利用该模型可以很好地评估材料的残余寿命,可为磁记忆检测技术在铁磁性材料早期损伤以及残余寿命评估方面的应用提供借鉴作用。     

聚类分析的数据挖掘方法及其在机械传动故障诊断中的应用

采用网格化处理的思想,通过对基于密度的聚类分析方法进行改进,提出了一种新的聚类算法.这种算法通过对齿轮传动系统的故障信号进行测试、对故障类型进行了判定,对不同转速下齿轮传动振动信号进行谱熵计算、并采用网格划分方法将其表示在二维和三维空间分布平面内,可以较好地将正常、裂纹、磨损等类型的故障进行聚类和识别,并通过试验验证表明能够对不同工作状态的齿轮传动信号进行可靠的聚类与区分,聚类率为96%以上.说明该方法对齿轮故障进行区分与诊断是切实可行和有效的.      

航空发动机齿轮副动态啮合过程与齿根裂纹扩展轨迹影响因素研究

为了研究航空发动机中附件齿轮箱中的一对齿轮副在动态啮合过程中的响应特性和齿根裂纹的扩展对齿轮系统的影响,利用有限元仿真分析法,基于显示动力学和线弹性断裂力学研究了该齿轮副动态啮合过程和齿根裂纹扩展轨迹影响因素。含有齿根裂纹的齿轮在啮合过程会产生额外的振动和噪声,会引起转速、啮合力、啮合频率、接触应力产生较大波动;齿根裂纹的扩展轨迹不同会导致齿轮系统两种典型的失效模式:轮缘断裂失效或齿断裂失效,发生轮缘断裂的可能性受到轮缘厚度与齿高比值和裂纹初始位置的影响,会随着该比值的减少和初始裂纹位置沿着齿根方向下移而增大,初始裂纹方向对裂纹扩展轨迹影响很小可以忽略。研究成果在工程中可以为齿轮结构的故障监测和结构设计提供参考。     

基于损伤力学的GH4169合金低循环裂纹萌生寿命预测

为了更准确地预估高温材料的低循环疲劳裂纹萌生寿命,将低循环疲劳的裂纹萌生过程视作损伤累积过程,基于连续损伤力学建立了损伤累积模型.结合360 ℃、650 ℃下GH4169合金的低循环疲劳寿命数据拟合出模型的具体表达式,进而开展了对低循环疲劳裂纹萌生寿命的预测试验.结果表明:该方法针对GH4169合金低循环疲劳裂纹萌生寿命的预测结果较为理想,其分散带基本在2倍以内,且能很好的反映变幅加载对GH4169合金低循环疲劳裂纹萌生寿命的影响.     

裂纹齿轮动力特性三维有限元模拟

建立了裂纹齿轮结构的三维有限元动力学模型,分析了齿轮轮齿发生裂纹后的齿轮动力特性(固有频率、振型、动态应力等),并对裂纹出现位置和裂纹尺寸等对齿轮动力特性的影响进行了深入探讨和计算机模拟。指出裂纹尺寸和位置对于齿轮的固有频率和振型都有影响,当出现裂纹后固有频率发生下降,振型也发生变化,而裂纹位置对固有频率和振型影响大于裂纹尺寸的影响,当裂纹位于齿根处时齿轮固有频率下降较大,当裂纹位于齿顶处时齿轮固有频率下降较小,当裂纹出现后齿轮体的振型明显不同于无裂纹时的振型,在裂纹附近振动的振幅增大,并且齿轮体的动态应力也发生变化,与无裂纹的齿轮结构动力特性完全不同。      

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

基于形态分量分析与阶次跟踪的齿轮箱复合故障诊断方法

针对变转速下齿轮箱复合故障的故障特征提取,提出了基于形态分量分析与阶次跟踪的齿轮箱复合故障诊断方法.该方法根据齿轮箱复合故障振动信号中齿轮和滚动轴承故障成分的形态差异性,先用形态分量分析将其分解为包含齿轮局部故障信息的谐振分量、包含滚动轴承局部故障信息的冲击分量和随机噪声分量,再根据实测转速信号分别对谐振分量和冲击分量进行包络阶次分析,根据各包络阶次谱诊断齿轮箱复合故障.算法仿真和应用实例表明:该方法能有效分离变转速下齿轮和滚动轴承的故障特征,且其故障特征提取效果要优于传统的包络阶次谱方法.      

卫星故障诊断的最优奇偶向量法

 提供一种卫星故障诊断方法以提高 GPS导航的完整性。该方法利用最优奇偶向量来检测和诊断卫星故障以提高卫星故障诊断的准确性。仿真结果显示,在故障幅值较小的情况下最优奇偶向量方法相比广义似然比方法可以提高故障的正确检测率和正确诊断率。该方法还可以缩短检测斜坡型故障的时间,从而提高了系统的可靠性。     

基于IITD和FCM聚类的滚动轴承故障诊断

基于Akima插值和固有时间尺度分解（ITD）中的线性变换,提出了一种改进的固有时间尺度分解（IITD）,在此基础上,进一步提出基于IITD近似熵（AE）和模糊C均值聚类（FCM）相结合的滚动轴承故障的诊断方法。采用IITD方法对滚动轴承的振动信号进行分解,通过互信息分析,筛选出前3个含主要特征信息的固有旋转分量（PR）,计算其近似熵值作为信号的特征向量,将得到的特征向量输入到FCM分类器中分析并得到分类结果。实验分析表明:分别与基于EMD、ITD近似熵和FCM聚类相结合的方法比较,该方法的分类系数更接近1,平均模糊熵更接近0,即此方法对滚动轴承的正常、内圈故障、外圈故障、滚动体故障信号以及对内圈的不同损伤程度信号均能更有效更准确地进行分类。      

广义回归神经网络在冗余捷联惯导故障诊断中的应用研究

针对冗余捷联惯导的故障诊断问题，研究提出了一种基于广义回归神经网络的故障诊断方法。该方法在传感器输出数学模型未知的情况下，仅通过传感器之间的冗余关系，利用传感器正常工作时的测量值和改进的神经网络估计输出值生成残差进行故障诊断。仿真试验表明，利用神经网络补偿产生的残差可以检测到未补偿时的故障。该方法不仅可以检测到单故障，还对多传感器同时发生故障具有一定的检测能力。     

基于融合信息(火用)的转子振动故障SVM诊断方法

通过提取信息(火用)特征,提出基于融合信息(火用)的转子振动故障支持向量机（SVM）诊断方法.首先,在转子试验台上分别模拟转子不平衡、轴系不对中、转子裂纹和转子碰磨4种典型故障,采集这4种典型故障在多转速和多测点下的振动加速度信号;其次,提取基于时域的奇异谱熵和频域的功率谱熵的转子振动故障过程变化规律的信息(火用)特征;最后,将提取到的信息(火用)特征作为故障向量,建立SVM故障诊断模型,进而对转子振动故障进行诊断.实例诊断结果表明：将信息(火用)特征与支持向量机相结合进行转子振动故障诊断,诊断结果准确率达到了97%,有效地提高了故障诊断的准确率.     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.