基于局部均值分解的阶次跟踪分析及其在齿轮故障诊断中的应用

针对齿轮升降速过程中故障振动信号为多分量的调制信号以及故障特征频率随转速变化的特点,将局部均值分解(LMD)与阶次跟踪分析相结合,提出了一种新的齿轮故障诊断方法。首先采用阶次重采样将齿轮的时域振动信号转换为角域平稳信号,然后对角域信号进行LMD分解,得到若干个乘积函数(PF)分量,最后对各个PF分量的瞬时幅值进行频谱分析来提取齿轮的故障特征。通过对齿轮齿根裂纹故障试验振动信号的分析可知,该方法能有效地提取齿轮故障特征。

基于EEMD分解的阶次跟踪方法研究

摆线针轮减速器组成零部件繁多、构成复杂,工作时噪声干扰大且多在变转速、往复的复杂工况下工作,因此,难以准确提取其内部的故障特征。针对这一问题,提出了一种基于集合经验模态分解(EEMD)与阶次跟踪分析的方法,对摆线针轮减速器进行了故障诊断。首先,对采集到的时域振动信号和转速信号进行了等角度域差值采样,得到了振动信号的等角域平稳信号;然后,对等角域信号进行了集合经验模态分解,得到了若干个固有模态分量(IMFs),计算了各个固有模态分量的峭度值,选取目标模态分量进行了信号重构;接着,采用快速傅里叶变换得到了故障信号的阶次图;最后,根据减速器的传动方式、各零部件的模数,计算出了各主要部件的故障阶次,对比减速器在故障前后阶次图的能量峰值进行了故障诊断。研究结果表明:该方法能够准确提取包含故障信息的固有模态分量,实现从等时域信号到等角域信号的转换,并提取摆线针轮减速器的滚针故障阶次(8.37阶),故障准确率达到99.6%,可实现摆线针轮减速器在非平稳工况下的故障特征识别,并验证该方法的可行性和有效性。

阶次跟踪与改进小波阈值降噪的RV减速器故障诊断

针对RV减速器在进行摆动疲劳试验时采集到的振动信号存在振动源复杂,噪声影响强,非线性变换等特点,利用传统的傅里叶变换(fast fourier transform,FFT)分析时存在“频率模糊”现象,不能准确地提取故障磨损点。针对上述问题,提出了一种阶次跟踪分析结合改进小波阈值降噪方法对RV减速器在疲劳实验时采集到的振动信号进行故障特征提取。首先利用阶次跟踪方法对采集到的非平稳时域振动信号进行等角度域转化;再利用改进小波阈值降噪法对等角度域信号进行阈值降噪;对得到的降噪后的等角度域信号进行FFT变换,得到阶次图。对比传统的小波降噪分析结果,该方法可以有效地提取出RV减速器在摆动疲劳实验中内部零部件发生的故障信息,为变转速旋转机械的故障诊断提供了基础。

低速电动汽车NVH性能测试与分析

在整车开发环节中,需要保证车辆具有良好的NVH性能。针对某电动汽车样车的振动噪声问题,对车内噪声水平及电机、减速器、差速器等声振特性进行测试;采用阶次跟踪分析法识别出车内主要的振动噪声源;提出了相应的减振降噪措施。