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.      

嵌入式GIS中电子地图数据模型和查询优化问题的研究

对基于掌上电脑的嵌入式电子地图系统中查询优化问题进行研究,构造基于掌上电脑平台环境下多尺度数字地图的数据模型,建立一种适用于嵌入式GIS系统的四叉树空间索引,以提高空间查询的效率;提出了一种优化嵌入式GIS系统中的数据访问方法.系统应用结果表明:改进的四叉树可提高空间查询的效率,数据优化方法可加快电子地图显示和查询的速度.     

一种基于状态转换的适用于嵌入式舰船电力虚拟模拟训练的发电机组仿真方法

针对嵌入式舰船电力虚拟模拟训练系统的特点,提出一种适用于嵌入式舰船电力虚拟模拟训练的发电机仿真方法。设计构建了基于状态转换的发电机组仿真模块,提出了正常状态和故障状态两种模式下的发电机组仿真状态转换方法,简化了发电机组仿真模型,使发电机仿真既满足了发电机在模拟训练中训练场景逼真性的要求,又解决了发电机在模拟训练中训练过程实时性差的问题。     

船舶齿轮箱振动测试分析及优化研究

齿轮箱是船舶动力传动系统的主要振源之一，为了研究船舶齿轮箱振动性能及优化措施，进而实现船舶的低噪声化，以本单位自主研发的船用齿轮箱为例，通过台架试验和振动频谱分析结合的方法分析齿轮箱振动的主要影响因素，对振动性能关键影响因素进行优化改进。本文结合振动频谱分析结果对齿轮箱从齿轮修形设计和液压供油系统改进两个方面进行了优化，并对采取优化措施后的齿轮箱进行振动试验验证和振动频谱分析。结果表明：齿轮修形和液压供油系统改进两项优化措施可以切实有效的改善齿轮箱的振动性能。在文中的齿轮箱案例中，齿轮修形后齿轮啮合频率处振动峰值下降40.2%，总振级下降1.85dB，进一步采取液压供油系统改进措施后，齿轮箱总振级下降9.99dB。齿轮修形和液压供油系统改进对船用齿轮箱振动性能提升具有工程应用价值。     

基于参数自适应变分模态分解的行星齿轮箱故障诊断

针对变分模态分解需要人为设定模态数量以及在强噪声情况下容易造成分解错误的问题,提出了依据功率谱密度极值点自适应确定模态数量与中心频率的参数自适应变分模态分解方法,通过信号仿真分析验证了方法的有效性。基于参数自适应变分模态分解提出了一种行星齿轮箱故障诊断方法,应用于行星齿轮箱第2级太阳轮裂纹的故障诊断,行星齿轮箱传动实验台的试验结果表明:该方法能实现振动信号准确分解,有效提取和辨别出故障特征频率,实现了在强背景噪声和微弱故障信号情况下对第2级太阳轮裂纹故障的准确诊断。      

转位机构高温传递故障分析及改进优化

转位机构作为惯性测量单元旋转调制用构件,因其具有较复杂的机械传动结构,容易受到热、力的影响出现工作故障.针对转位机构在高温环境下的解锁故障问题,开展了结构热应力分析及机构优化改进,分析了某转位机构的高温解锁故障,进行了故障排查,在排除元器件、电路等故障后,将原因初步定位于机械传动结构在高温升环境下的应力问题.基于热力学原理分析了转位机构热应力的产生机理,同时根据工况环境和系统参数构建了热力学模型,使用有限元分析软件ANSYS进行仿真.仿真结果表明:在温度升高状况下,因各部件的热膨胀程度差异在部分运动副产生应力集中,实验证实了存在明显应力集中的运动副卡滞是导致机构高温解锁故障的原因.根据分析结果,分别从锁紧应力控制、解锁应力释放、应力状态快速判断三方面提出软件升级、装配工艺控制等措施,经过优化改进,转位机构在温度升高情况下的传递故障问题得到有效解决.     

齿轮箱中滚动轴承的故障诊断

提出了一种基于自适应除噪技术(ANC)和共振解调技术(DRT)的齿轮箱中滚动轴承的故障诊断方法。该方法先后用同一传感器和测量系统、在同一位置采集被诊断轴承在无故障时的振动信号和在状态监测过程中的振动信号,然后把这两次拾取的信号分别作为自适应除噪系统的参考输入和主输入进行除噪处理,最后用共振解调技术对除噪后的振动信号进行包络解调,实现齿轮箱中滚动轴承的故障诊断。实际应用表明,该方法能够从齿轮箱振动信号中剔除齿轮啮合振动等背景噪声,提高滚动轴承振动信号的信噪比,可以有效地诊断齿轮箱中滚动轴承的故障。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题，提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征，构建高维故障特征集；采用ISSL-Isomap方法对高维故障特征集进行维数约简，提取出低维、敏感故障特征；应用GWO -SVM分类器对低维故障特征进行模式识别，判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比，ACMPE方法在分类效果和识别精度上更具优势；与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较，ISSL-Isomap方法降维效果最佳；所提方法的故障识别率达到100%，具有一定优越性。      

基于CPP与S变换的自适应时频滤波及其在滚动轴承故障诊断中的应用

针对变转速下滚动轴承故障调制信息的提取与分离,提出了基于线调频小波路径追踪(CPP)与S变换的自适应时频滤波方法。该方法先采用Hilbert解调对齿轮箱振动信号进行分析获取其包络信号,并对包络信号进行S变换,以获取其时频分布,同时,采用CPP算法从齿轮箱振动信号中估计出啮合频率曲线,进而获取转轴转速;然后,根据估计的转速信号分别设计各阶时频滤波器;再采用时频滤波器对包络信号的时频分布进行时频滤波,并将滤波结果进行S逆变换,以获取各阶故障调制信号;最后对各阶故障调制信号进行阶次谱分析,并根据阶次谱中的调制信息诊断滚动轴承故障。算法仿真和应用实例表明,自适应时频滤波方法可根据轴承故障调制信号的频率变化特点自适应地改变滤波器的中心频率与带宽,能有效提取并分离轴承的各阶调制信息,且分离效果优于基于集合经验模态分解（EEMD）的阶次谱方法。      

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。     

行星齿轮箱耦合调制振动信号分离与故障诊断

针对故障状态下行星齿轮箱振动信号通常表现为稳态调制和冲击调制成分耦合问题,建立不同求解模型,提出耦合调制振动信号分离方法。应用稀疏全变分模型实现冲击调制成分分离,采用改进的非对称惩罚函数,根据峭度系数与方均根系数指标构建正则化参数优选策略,采用受控极小化(majorization-minimization, MM)方法进行模型求解;采用基追踪实现稳态调制成分分离。试验结果分析表明:该方法在噪声D为0.15的信号中能快速分离出微弱冲击调制成分,算法迭代次数少、收敛效果好。      

Online condition diagnosis for a two-stage gearbox machinery of an aerospace utilization system using an ensemble multi-fault features indexing approach

China manned space station is designed to operate for over ten years. Long-term and sustainable research on space science and technology will be conducted during its operation. The application payloads must meet the ‘‘long life and high reliability" mission requirement. Gearbox machinery is one of the essential devices in an aerospace utilization system, failure of which may lead to downtime loss even during some disastrous catastrophes. A fault diagnosis of gearbox has attracted attentions for its significance in preventing catastrophic accidents and guaranteeing sufficient maintenance. A novel fault diagnosis method based on the Ensemble Multi-Fault Features Indexing(EMFFI) approach is proposed for the condition monitoring of gearboxes. Different from traditional methods of signal analysis in the one-dimensional space, this study employs a supervised learning method to determine the faults of a gearbox in a two-dimensional space using the classification model established by training the features extracted automatically from diagnostic vibration signals captured. The proposed method mainly includes the following steps. First, the vibration signals are transformed into a bi-spectrum contour map utilizing bi-spectrum technology,which provides a basis for the following image-based feature extraction. Then, Speeded-Up Robustness Feature(SURF) is applied to automatically extract the image feature points of the bi-spectrum contour map using a multi-fault features indexing theory, and the feature dimension is reduced by Linear Discriminant Analysis(LDA). Finally, Random Forest(RF) is introduced to identify the fault types of the gearbox. The test results verify that the proposed method based on the multi-fault features indexing approach achieves the target of high diagnostic accuracy and can serve as a highly effective technique to discover faults in a gearbox machinery such as a two-stage one.     

减速器振动信号的经验模态分解

 时域同步平均是直升机减速器诊断技术的基础,目前这种方法依赖于转速传感器提供相位同步信号。探讨了应用经验模态分解代替时域同步平均分析减速器振动信号的方法。构建了一个减速器振动信号模型,提取了故障特征信号。对经验模态分解过程进行了理论推导,证明经验模态分解可以分离出故障特征信号,给出了信号分离的充分条件。将这种方法应用于直升机减速器的两种故障(点蚀和裂纹)振动数据,结果表明经验模态分解正确地分离出了故障特征信号,信号特征更为显著。     

基于CWT-CNN的齿轮箱运行故障状态识别

针对传统故障诊断中提取的特征不具有自适应能力、很难匹配特定故障的问题,提出了一种基于连续小波变换（CWT）和二维卷积神经网络（CNN）的齿轮箱故障诊断方法。该方法对齿轮箱故障振动信号采用连续小波变换构造其时频图,以其为输入构建卷积神经网络模型,通过多层卷积池化形成深层分布式故障特征表达。利用反向传播算法调整网络各层的结构参数,使模型建立从信号特征到故障状态之间的准确映射。在不同工况和不同故障状态下的实验中,故障识别准确率达到了99.2%,验证了方法有效性。采用这种自适应学习信号中丰富的信息的方法,可以为故障诊断智能化提供基础。      

发动机附件机匣结构系统振动特性

基于FEM和Masta软件,详细计算和分析了某型发动机附件机匣系统在内部啮合激励下的振动响应特性.首先计算得到了各级齿轮副的静啮合误差(位移)激励,然后详细计算了在内部啮合激励下的附件机匣壳体的振动响应,分析讨论了其基本规律和特点.计算得到的附件机匣在受力位置的振动响应幅值在最大值为80g,小于限制值150g.研究表明,所提出的方法和技术有助于在设计阶段对这类复杂传动系统的振动特性预测和评估.      

用于直升机舱内降噪的主减周期撑杆研究

主减速器齿轮啮合产生的中高频谐波振动是直升机舱内噪声的主要来源之一,通过抑制该振动向机体的传递可达到舱内降噪的目的。基于金属/橡胶周期结构,提出了一种适用于直升机舱内降噪的串/并联复合型主减周期撑杆,不仅具有宽频减振特性,而且能够满足直升机对撑杆的强度和刚度要求。为指导这种周期撑杆的设计,首先采用谱单元法建立了复合型主减周期撑杆的动力学模型,进一步建立了该周期撑杆的刚度和强度分析模型;在此基础上,分析得到了该周期结构的主要设计参数对减振特性、刚度及强度的影响规律;最后,以某轻型直升机为背景机设计了复合型主减周期撑杆,对其减振特性、刚度及强度特性进行了仿真研究,结果表明：所提出的设计方案可满足该直升机对主减撑杆的刚度和强度要求,且撑杆两端位移传递率在500~2 000 Hz频率范围内的最大振动衰减超过60 dB,验证了本文所提出复合型周期撑杆方案的可行性。     

直升机主减机匣结构振动噪声分析与优化

针对直升机主减速器机匣的振动噪声问题,对机匣进行基于频率响应和模态贡献量的结构动力学特性分析,给出机匣的振动特性,并确定对结构振动特性起主要影响的模态.利用间接边界元与有限元相结合的方法,应用基于结构面板声功率贡献量的分析方法,进行结构噪声功率分析和结构噪声功率面板贡献量分析,给出机匣的声学辐射特性,找出相应激励频率下对结构噪声功率贡献量最大的面板.以该面板为设计域进行结构拓扑优化,并根据优化结果合理布置加强筋,以提高结构刚度,达减振降噪的目的.结果表明:结构速度频率响应峰值下降了36%,减振效果良好,结构声功率级有了明显的降低,其中声功率级峰值下降了5dB,降噪效果良好,为直升机主减机匣提供了一种可行的减振降噪方法.      

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.