共查询到18条相似文献,搜索用时 203 毫秒
1.
信号周期分段处理法诊断单级传动齿轮副故障 总被引:1,自引:0,他引:1
为了诊断单级传动齿轮副故障,本文提出信号周期分段处理的方法。首先同步整周期采集振动信号,然后对采集的振动信号做时域平均,进行降噪和凸显故障脉冲的处理。利用周期分段处理法,将振动平均信号等距分段,分别对各段信号进行频谱分析。比较各段信号的时域波形和频谱的异同,可以准确诊断出单级传动齿轮副中同步齿轮故障位置,且还能诊断出非同步齿轮故障位置。数字仿真试验以及模拟故障实验结果都证实了信号周期分段处理法诊断齿轮故障的可行性和有效性;它为诊断单级传动齿轮副故障提供一种有效手段。 相似文献
2.
《燃气涡轮试验与研究》2016,(3)
首先简要介绍了某型涡桨发动机减速器的结构及特点,然后通过对减速器振动信号中的频率成分及减速器故障的频谱特征进行分析研究,应用模态分析、对比分析和细化分析、细化谱分析及共振解调技术等故障诊断方法,对该型涡桨发动机减速器振动大、内齿圈裂纹、齿轮剥落及主动齿轮偏载等典型减速器故障进行了详细分析,明确了故障原因,有效消除了减速器故障。本研究可为带有减速器的航空发动机的故障诊断及判别提供重要依据。 相似文献
3.
基于小波神经网络的齿轮系统故障诊断 总被引:1,自引:0,他引:1
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. 相似文献
4.
齿轮箱中滚动轴承的故障诊断 总被引:1,自引:1,他引:0
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。 相似文献
5.
6.
齿轮振动信号常表现出明显的非线性和非平稳特征。为有效提取齿轮振动信号的特征信息,将自适应信号分解方法——局部均值分解用于齿轮振动信号的分析。使用局部均值分解对三种状态的齿轮振动信号进行分解,得到一组PF分量,并对PF分量进行频谱分析。分析结果表明,局部均值分解完成了对齿轮振动信号的有效分解,各PF分量的幅值谱获得了不同状态齿轮振动信号的特征谱线,实现了对齿轮状态特征的准确提取。 相似文献
7.
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 总被引:1,自引:1,他引:0
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. 相似文献
8.
本文首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行和有效的,为转子振动故障准确诊断提供了一种新方法。 相似文献
9.
滚动轴承产生早期微弱故障时,故障信息会被淹没在强背景噪声和其他振动源信号中,还会受到低频效应影响,这使得传统的频谱分析很难找到这些被淹没的故障信息。针对这一问题,本文提出一种基于小波熵的故障信息提取技术,首先对测试到的振动信号进行连续小波变换(CWT),获得时间-尺度谱,再计算时频矩阵中每一个尺度下的信号的熵,最后选取熵最小的尺度进行频谱分析。运用该方法对设置了外环故障、内环故障、滚珠故障的三种滚动轴承的振动信号进行了分析,并与传统的傅里叶变换(FFT)和包络解调分析方法进行了对比。分析结果表明,基于小波熵的分析方法能更有效地提取出振动信号中的故障频率信息。最后把该方法应用到某型涡轴发动机的主轴承故障诊断中,成功提取出了故障频率信息,实现了对滚动轴承进行早期故障检测。 相似文献
10.
卷积神经网络和峭度在轴承故障诊断中的应用 总被引:1,自引:1,他引:1
针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。 相似文献
11.
12.
13.
结合齿轮的实际工作状况,建立了齿轮结构的弹性体动力学模型,进行了弹性动力学分析,得出了齿轮的弹性固有特性; 考虑了弹性支撑轴对齿轮体振动的影响,将其处理为弹性支撑,推导了弹性支撑弹簧刚度的表达式,并在弹性边界条件下,考虑了弹性圆盘对啮合齿响应的影响,建立了齿轮支撑系统的动力模型和轮齿响应计算模型,研究了齿轮支撑系统的固有特性,并与实验结果进行了对比验证; 求解了啮合齿的动力学响应,并进行了模拟仿真。研究表明采用弹性支撑条件进行齿轮支撑系统分析是真实、精确的,为齿轮弹性体的动载荷计算、动态设计和齿轮传动系统的精确动力学研究提供了一种分析方法。 相似文献
14.
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。 相似文献
15.
16.
基于成形磨削的几何原理和机床运动学原理,提出了斜齿轮副的一种分段拓扑修形方法.通过改变齿顶和齿根处渐开线的发生线长度实现齿廓分段修形;给砂轮附加一个抛物线+直线的径向进给运动实现齿向分段修形.推导出基于成形磨削过程中拓扑修形齿面的计算公式,对修形齿面的边界进行了划分,建立成形磨齿机各伺服轴的运动方程.根据齿面的数值模拟结果,在五轴数控(CNC)成形磨齿机上进行磨削加工与在机拓扑测量,验证了成形法实现齿面拓扑修形的可行性. 对给定转速和负载工况下的齿轮箱进行加载试验,齿轮箱振动能量级幅值下降0.008dB,噪声减小约2dB.研究表明分段拓扑修形有利于降低齿轮传动振动和噪声. 相似文献
17.