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。      

减少机床噪声污染的方法

噪声污染已成为世界三大污染之一。在工业企业中机床噪声是重要的噪声污染源之一。本文主要从机床的齿轮传动、轴承的选用和齿轮箱的结构等方面对机床噪声产生的影响以及提出相应的降噪措施进行了探讨。从而降低机床噪声,保障工人身心健康,改善车间工作环境。     

飞机发动机空停事件及预防

介绍了民用飞机发动机空中停车事件及其后果,对几种常用发动机空中停车情况进行了汇总分析,结合发动机内部各系统就空停事件的原因展开了讨沦,并提出相应的预防措施及设想.     

RB211-535E4发动机齿轮箱预防性维修改进措施

通过介绍老龄发动机RB211-535E4发动机高速外部齿轮箱的结构特点和齿轮箱经常发生滑油渗漏的特性,提出了Ameco自主研发的齿轮箱渗漏试验方案。该试验不仅能够准确判断齿轮箱渗漏区域,而且成为了节约维修成本、防止发动机空停的有效预防性维护措施之一。     

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。      

基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法

齿轮箱作为风力机组的核心部件,故障频发,研究风机齿轮箱的故障诊断方法意义重大。针对最近邻(KNN)诊断方法对离群噪声不敏感和诊断精度较低的缺陷,提出了基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法。该方法应用小波包分析技术对故障特征进行提取,利用互近邻准则将故障数据集中的离群噪声点剔除,构建出基于核空间的改进型最近邻分类决策规则来识别齿轮箱的故障类型。试验表明:该方法可以有效地提升故障诊断精度和鲁棒性,为智能诊断技术的研究提供新思路。     

轴流压气机效率测量两类影响因素的试验研究

针对压气机试验系统中影响效率参数测量的主要因素,开展了出口热电偶反串测温和前置齿轮箱机械损失标定试验,验证了热电偶反串测温方法应用于压气机低压比小温升工况效率测量的有效性,获取了齿轮箱机械损失改进修正系数随转速的变化规律。试验结果表明:小温升工况下,压气机温升效率对出口总温测量误差的变化非常敏感。与常规测温方法相比,热电偶反串测温方法实现了压气机温升的直接测量,在低压比小温升工况效率参数测量上具有明显优势。齿轮箱机械损失对于压气机扭矩效率测量具有显著影响,中低转速时简化修正系数会导致安装齿轮箱后的压气机扭矩效率测量结果偏高,采用改进修正系数可以提高压气机扭矩效率测量的准确性。     

包络方法诊断齿轮箱故障

本文通过包络诊断方法在齿轮箱故障诊断中的应用过程,编制了诊断程序,为齿轮箱故障诊断提供了有效的方法。     

Ameco研发气密试验方案寻找漏油点

1月12日,Ameco发动机分部首次采用了自主研发的发动机齿轮箱气密试验方案,准确找到漏油点,为客户排除了RB211-535E4发动机齿轮箱的漏油故障。该测试方案不但操作简单,节省费用,而且漏点判断准确,对     

航空发动机内部齿轮箱主腔流场的数值模拟

通过建立的内部齿轮箱主腔简化模型,应用RNGk-ε湍流模型,对航空发动机内部齿轮箱主腔流场进行了CFD数值模拟,分析了进口旋流对主腔内流动的影响。结果表明:进口速度增加时,进入主腔内的流体会更快穿过主腔流出,并减少与腔内低能流动的混合,且流体在腔内的停留时间与其进口速度存在一定程度的关联,速度越高越快离开主腔;腔内流场以出口位置作为径向分界面,可大致分为上部受进口旋流影响的区域,和底部不受进口气流影响的低速流动区域;在上部区域,由于进口旋流的作用,流场中生成了4个大小不等的旋涡,使得流动掺混增强。