基于铣削力识别的铣削监测与铣刀故障诊断

为提高铣削过程监测与刀具故障诊断精度 ,通过测量铣床的频响函数和在铣削加工中的铣床振动加速度响应信号 ,用载荷识别的方法计算铣削力 ,分别得到了用 4刀齿和 2刀齿加工时横向铣削力的识别结果 ,所得到的铣削力曲线与加工工况吻合良好。以所识别铣削力为特征参量 ,用ART2神经网络进行了铣削过程监测与铣刀故障诊断 ,其结果比直接用振动响应信号进行监测与诊断更可靠 ,从而得到较好的监测诊断结论。

基于小波系数包络谱的滚动轴承故障诊断

提出了基于正交小波变换诊断滚动轴承故障的新方法，利用正交小波基将滚动轴承故障振动信号变换到时间－尺度域，对高频段尺度域的小波系数进行包络细化谱分析，不仅能检测到滚动轴承故障的存在。

阶次跟踪在齿轮磨损中的应用

研究旋转机械在变速过程中振动信号的分析方法。在利用B&K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上,利用样条插值算法进行角域重采样得到等角度分布的采样点,并对其进行阶次跟踪分析。结果显示出阶次跟踪分析法在处理转速变化信号时的优越性:能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,对齿轮箱的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充,具有很广阔的应用前景。

基于EMD和Teager能量算子的轴承故障诊断研究

提出了一种基于EMD和Teager能量算子的齿轮箱轴承故障诊断的新方法,该方法综合利用了经验模态分解和Teager能量算子分析技术。首先利用经验模态分解方法,将振动信号分解成不同特征时间尺度的单分量固有模态函数,然后用Teager能量算子计算各固有模态函数的瞬时幅值,最后对感兴趣固有模态函数瞬时幅值的包络谱进行分析,就可识别齿轮箱轴承的故障部位和类型。齿轮箱轴承故障振动实验信号的研究结果表明:该方法能有效地识别轴承的故障。

滚动轴承局部损伤故障动力学建模及仿真

针对实际齿轮箱轴承系统,建立了转子-故障滚动轴承-轴承座系统非线性振动模型,在模型中充分考虑了轴承间隙、滚珠与滚道的非线性接触力及变柔度VC振动。在此基础上,进一步建立了轴承外圈、内圈、滚动体局部损伤故障非线性动力学模型,并运用数值积分的方法进行了动力学仿真与分析。仿真分析结果验证了滚动轴承存在局部故障时的动力学特性,表明轴承局部损伤故障动力学模型的正确性。

利用缸盖噪声信息诊断柴油机失火故障

叙述了内燃机故障检测的新方法 ,即利用发动机运转的噪声信息来诊断内燃机失火故障 ,利用小波分析技术从发动机噪声信号中提取发动机的燃爆和气门开闭信息 ,相对于传统的基于振动的诊断方法 ,基于声学的诊断方法有着振动不可比拟的优点 ,这种方法不需接触发动机表面 ,不必粘贴传感器 ,不受发动机结构空间限制 ,而且检测系统简单 ,大大缩短了检测时间 ,提高了检测效率。

声测法和经验模态分解在轴承故障诊断中的应用

提出了一种基于声测法、经验模态分解(EMD)和包络谱分析的轴承故障诊断新方法。声测法是轴承故障诊断最有效方法之一,但在获得的声测信号中含有大量噪声,严重影响了信号处理的结果。采用EMD可以有效地实现对信号的处理,大大地提高信噪比。EMD是把时间序列信号,分解成不同特征时间尺度的固有模态函数(IMF),具有自适应的分析能力,通过选取表征轴承故障的IMF分量进行包络谱分析,可提取轴承故障信号的特征。实验结果表明该方法能有效地诊断轴承故障。

运用阶次跟踪和奇异谱降噪诊断齿轮早期故障

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪分析与奇异谱降噪技术相结合,提出了一种针对齿轮早期故障的诊断方法。首先对齿轮箱加速时测得的瞬态信号进行时域采样,再对时域信号进行等角域重采样,转化为角域伪稳态信号;然后对角域信号进行奇异谱降噪处理,以减小背景噪声的影响;最后对降噪后的信号进行阶次谱分析。通过对齿轮箱早期故障信号的分析表明,该方法能准确地识别出齿轮的故障特征。

基于阶次跟踪和经验模态分解的滚动轴承包络解调分析

针对齿轮箱升降速过程中振动信号非平稳的特点,将计算阶次跟踪方法与经验模态分解技术相结合,提出一种研究旋转机械瞬态信号故障诊断的分析方法。首先对齿轮箱启动时测得的振动信号进行时域采样,再对时域信号进行等角度重采样,将其转化为角域准平稳信号,然后对角域里的信号进行经验模态分解得到多个固有模态函数分量,最后对包含轴承故障信息的高频固有模态分量进行包络解调分析。结果显示:阶次跟踪技术能够有效地避免传统频谱方法所无法解决的'频率模糊'现象,将非平稳信号转化为准平稳信号;经验模态分解方法能够提取包含故障信息的固有模态分量,将两种方法相结合是对传统频谱分析法的有力补充,具有很广阔的应用前景。

基于阶次包络谱的轴承故障诊断研究

研究旋转机械在变速过程中振动信号的分析方法。在利用B&K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上,利用样条插值算法进行角域重采样得到等角度分布的采样点,并对其进行阶次跟踪分析,在此基础上利用Hilbert包络解调得到轴承故障信息的阶次包络谱。结果显示阶次包络谱分析法在处理轴承转速变化信号的优越性:能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,对轴承的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充,具有很广阔的应用前景。

基于改进双树复小波变换的轴承多故障诊断

针对双树复小波变换产生频率混叠的缺陷,提出了改进双树复小波变换的轴承多故障诊断方法,该方法综合利用了双树复小波包变换和经验模态分解技术。首先,利用双树复小波变换将振动信号分解成不同频带的分量;然后,将各小波分量进行经验模态分解,获得各小波分量的主频率分量信号;最后,计算各小波分量的主频率分量信号的包络谱,根据包络谱识别齿轮箱轴承的故障部位和类型。通过仿真信号和齿轮箱轴承多故障振动实验信号的研究结果表明,该方法不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效识别轴承的故障类型。

基于EMD和功率谱的齿轮故障诊断研究

提出了一种基于经验模态分解EMD(Emp iricalMode Decomposition)的齿轮裂纹故障诊断的新方法。EMD方法具有自适应的信号分解和降噪能力,EMD是先把时间序列信号,分解成不同特征时间尺度的固有模态函数(In-trinsic Mode Function,简称IMF),然后通过选取表征齿轮裂纹故障的IMF分量进行功率谱分析,就可提取齿轮故障振动信号的特征。齿轮故障实验信号的研究结果表明:该方法能有效地识别齿轮的齿根裂纹故障。

基于改进形态分量分析的齿轮箱轴承多故障诊断研究

形态分量分析是一种基于信号形态多样性和信号稀疏表示的信号和图像处理方法,其主要目标是根据信号组成成分的形态差异性,选择合适的字典来分离信号。针对传统形态分量分析的字典选择和阈值选择的缺陷,提出了基于自适应字典选择和TH-MOM(Hard Threshold-MOM)的阈值更新策略,通过仿真信号和齿轮箱轴承多故障振动实验信号的研究,结果表明:该方法不仅能将形态各异的多分量信号进行有效分离,提高了信噪比,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效地识别轴承的故障类型和部位。

基于非线性几何不变量的轴承故障诊断方法研究

针对轴承传动本身具有非线性而在传统故障诊断中又被忽略掉的问题,提出了基于分形和混沌等非线性几何不变量的轴承故障诊断方法。该方法对测得的轴承振动时间序列去噪以后进行相空间重构,然后计算重构信号的分形维数、Lypunove指数、K熵、关联距离熵等多个几何不变量,并以此作为轴承故障诊断特征量,输入到径向基神经网络,对轴承故障进行模式识别。实验结果表明该方法能有效区别轴承各种故障状态,且为旋转机械的故障诊断提供了一种新方法。

故障参数下齿轮系统非线性动力学行为

为分析齿轮系统在故障条件下的非线性动力学变化机理,对不同故障参数下非线性齿轮系统的动力学行为进行了研究;建立了单齿冲击、单齿刚度、单齿磨损及全齿磨损的非线性动力学模型,采用齿轮混沌振子方法对其进行了分析;探讨了上述4种故障激励产生后齿轮系统吸引子的变化。研究表明,利用齿轮混沌振子能够较好地区分故障信号的大小,为更好地进行故障诊断提供了理论支持,也为旋转机械的故障诊断提供了一种新方法。

基于EEMD和THT的齿轮故障诊断方法

提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)和Teager-Huang变换的齿轮箱故障诊断方法,该方法首先运用EEMD方法,将振动信号分解成不同特征时间尺度的单分量固有模态函数,然后用Teager能量算子计算各固有模态函数的瞬时频率和瞬时幅值,得到Teager-Huang变换时频谱。齿轮箱齿轮裂纹故障振动试验信号的研究结果表明,Teager-Huang变换时频谱优于Hilbert-Huang变换时频谱,能有效识别齿轮故障。

变速箱故障声压信号的小波包分解与诊断

针对变速箱故障声压信号的非平稳时变特点 ,给出了小波包分析处理变速箱故障声压信号的原理和方法 ,并分析了一个变速箱齿根裂纹故障的诊断实例。实验结果表明 ,该方法在变速箱声学诊断中是有效可行的 ,在其它机械的声学诊断中也具有一定的参考价值。

基于EMD和包络谱分析的轴承故障诊断研究

提出了一种基于经验模态分解 (EMD) 和包络谱分析的轴承故障诊断的新方法.EMD 是把时间序列信号,分解成不同特征时间尺度的固有模态函数(IMF),具有自适应的分析能力,然后通过选取表征轴承故障的 IMF分量进行包络谱分析,就可提取轴承故障信号的特征.轴承故障实验信号的研究结果表明:该方法能有效地识别轴承故障.

带有齿根裂纹故障的齿轮传动系统非线性动力学模型研究

在考虑齿面摩擦、时变啮合刚度、传递误差和质量偏心的情况下,利用集中质量法及牛顿定律建立了齿轮传动系统非线性振动微分方程。通过时变啮合刚度仿真了齿根裂纹故障,进而建立了具有齿根裂纹的非线性动力学故障模型。该模型在计算摩擦力时,考虑了载荷在啮合区的动态分配以及利用齿轮副的检验标准与公差值来确定齿轮副的传递误差。模型数值解的结果与故障特征的规律相符,为频谱机理的分析及故障特征的提取提供了有力的理论依据。

利用倒阶次谱和经验模态分解的轴承故障诊断

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪分析与希尔波特-黄变换技术相结合,提出了基于倒阶次谱和经验模态分解的滚动轴承故障诊断方法。首先,对齿轮箱加速时测得的瞬态信号进行时域采样,对时域信号进行等角度重采样,转化为角域伪平稳信号,然后对角域信号进行经验模态分解。最后,对包含轴承故障信息的高频固有模态函数进行倒阶次谱分析,就可以提取轴承的故障特征。通过对轴承内圈和外圈故障信号的分析表明,该方法能准确识别轴承的故障类型和部位。