基于一维卷积神经网络和SoftMax分类器的风电机组行星齿轮箱故障检测

将卷积神经网络引入风机故障检测领域,设计了一种一维卷积神经网络的结构,并和SoftMax分类器相结合构造了一种双层智能诊断架构。一维卷积神经网络用于行星齿轮箱数据的特征提取,SoftMax分类器对提取的特征进行分类。与传统智能算法相比,该方法具有训练样本少,可直接使用原始数据训练网络;计算效率高,可以适应实时诊断的需要。试验结果证明,该方法可以有效地诊断出不同工况下的行星齿轮箱中的齿轮故障。     

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。     

基于CFD的某减速器飞溅润滑仿真分析与验证

为评估飞溅润滑减速器的储油结构是否合理,基于计算流体动力学方法,建立了包含机匣、螺旋锥齿轮等构件的某减速器飞溅润滑动态仿真模型,开展了气液两相流飞溅润滑流体仿真计算与分析,获得了减速器内部的滑油运动轨迹及分布云图。通过仿真分析可以发现:输入端油兜收集到的滑油量为531 mL,大于输出端收集到的滑油量65 mL;4号油兜收集到的滑油量为0 mL,结构设计存在不合理之处,并进行了飞溅润滑试验验证。仿真分析结果与试验结果的趋势一致,验证了仿真分析方法的准确性,为飞溅润滑减速器储油结构设计提供了指导。     

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。     

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.      

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。      

减速器壳体结构振动与辐射噪声分析

从减速器壳体的振动特性出发,对由振动引起的辐射噪声进行了深入的研究;基于声振耦合理论,运用有限元和边界元的计算方法,实现了对减速器的振动噪声的虚拟再现,为减速器的减振降噪优化设计奠定了良好的设计基础。在建立良好有限元模型基础上,计算了减速器壳体结构的振动特性以及壳体表面典型节点处的声学量。设计了减速器缩比模型试验,定性分析灌注阻尼特性对减速器壳体结构的影响。通过对比壳体结构的响应特性,分别从理论和试验上得出了灌注阻尼在测试频段内的减振效果。     

基于离散粒子群优化算法的直升机减速器齿轮故障特征选择

粒子群优化算法自提出以来,由于其容易理解、易于实现,所以发展很快,在很多领域得到了应用。本文针对机械故障特征选择问题,提出基于离散粒子群优化(PSO)算法的特征选择方法,并在直升机减速器齿轮故障诊断中进行了应用。实验结果表明,离散PSO算法可以快速、有效的求得优化特征集,是求解故障特征选择问题的一个较好方法。      

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。      

减速器内部金属屑运动仿真分析

为掌握因轴承磨损产生的金属屑在直升机中间减速器内部流场中的运动状态，针对其固-液-气三相流特征建立了金属 屑颗粒受力平衡方程和多相流模型-离散相模型（VOF-DPM）耦合的CFD仿真模型。基于离散相运动方程编程计算及采用CFD仿 真分析方法获得了减速器内部颗粒的运动轨迹、运动速度，并据此对比验证了VOF-DPM耦合模型的正确性；利用CFD仿真分析 了颗粒在流体中运动时各种附加力对颗粒运动轨迹的影响，探究连续相空气、滑油与离散相颗粒三者之间的相互作用机理。结果 表明：连续相和离散相耦合作用对颗粒运动的影响较小，轨迹误差约5%、速度误差约3%，可忽略不计；虚质量力、压力梯度力和 Magnus升力对颗粒运动轨迹影响较大，Saffman升力对颗粒运动轨迹影响较小，而热泳力与布朗力不适用于直升机中间减速器固- 液-气三相流情形。