基于卡尔曼滤波与子带选取的轴承声信号增强方法

针对皮带机齿轮箱轴承声信号受混响及其他部件运行噪声干扰严重导致声学诊断困难的问题,分析了声信号组成、混响产生原因、信号传递路径及各干扰成分特点,提出了一种结合卡尔曼滤波与最优子带选取的声信号特征增强方法。首先,依据最大峭度准则设定了卡尔曼滤波超参数,通过卡尔曼滤波减少了混响噪声对轴承故障声信号的干扰;然后,采用小波包降噪算法对去混响后的信号进行了处理,对比了待测状态与正常状态信号子带的能量差异,选取了包含故障信息多的最优子带,通过包络谱分析提取了轴承故障特征;最后,通过轴承故障模拟试验对基于卡尔曼滤波与小波包子带选取方法的有效性进行了验证,并将其与改进奇异值分解(ISVD)与共振稀疏分解(RSSD)结合的方法进行了比较。研究结果表明:该方法的去混响和降噪效果显著,包络谱中含有明显的故障频率及其相关成分。采用基于卡尔曼滤波与子带选取的方法可以实现在室内测量环境下的轴承声信号增强目的,准确提取轴承故障特征。

基于WT特征增强的cICA带式输送机齿轮箱故障诊断

约束独立分量分析对于测量信号中的传感器噪声(测量噪声)具有很强的免疫能力,但对源噪声的免疫性却很差。针对这个问题,提出了小波变换特征增强的约束独立分量分析的齿轮箱故障特征提取方法。通过对测量信号小波分解,有针对性地选择某子频段小波系数重构,有利于提高信噪比,增强信号的统计独立性和非高斯性,从而增强约束独立分量分析方法提取齿轮故障特征的效果;而未经小波变换除噪时,约束独立分量分析的效果不佳。通过仿真分析和在矿用带式输送机齿轮箱故障诊断的应用结果综合表明,该方法能有效降低源噪声的影响,准确提取出齿轮故障特征,尤其是微弱低频故障特征。为矿用齿轮箱多通道振动状态监测与故障诊断提供了一种新的有效手段和途径。

矿用带式输送机减速器输入轴断裂分析及对策

为减少煤矿井下带式输送机减速器高速轴断裂事故的发生,针对井下某型号减速器使用现场高速轴断轴事故,进行了断轴原因分析。分别从高速轴材质组成、材质硬度、材质金相、断口形貌、使用现场液力耦合器安装方式等方面进行分析,同时对高速轴各危险截面进行强度计算及最终断面位置分析。得出由于减速器高速轴与电机轴安装不对中且轴承长期不对中运转,液力耦合器安装方式不合理,保养不及时是造成高速轴疲劳断裂的主要原因。因此电机与高速轴安装同心度的保证,液力耦合器正确的安装方式及设备使用期间的良好维护是保证设备正常运转的关键。

矿用带式输送机齿轮箱混合故障诊断研究

针对基于振动信号分析的矿用带式输送机齿轮箱故障诊断方法存在不易处理混合故障信号的问题,提出了一种基于自组织映射网络的矿用带式输送机齿轮箱混合故障诊断方法。采用融入Shannon熵的小波阈值去噪方法对矿用带式输送机齿轮箱的标准多故障样本进行预处理,对预处理后的标准多故障样本建立高斯混合分布模型后,采用最大期望算法进行模型的参数估计,得到相应特征向量并输入自组织映射网络,自组织映射网络对不同混合故障类型的故障信号进行聚类和识别,从而判断故障类别。实验结果表明,该方法能有效诊断出矿用带式输送机齿轮箱的多故障混合信号对应的故障类别,整体诊断准确率为88%,在6种工况下诊断准确率为100%,为矿山机电设备的齿轮箱故障诊断提供了一种新方法。

基于故障树的带式输送机齿轮箱故障诊断

针对带式输送机齿轮箱故障定位复杂、诊断困难的问题,设计了一种基于故障树的带式输送机齿轮箱诊断模型。在深入分析矿用带式输送机齿轮箱结构、运行特点以及故障形式的基础上,分析了齿轮箱子系统的失效模式,构建了齿轮箱故障树,通过最小割集和故障规则库关联实现故障定位和自动诊断。模拟测试结果表明,该方法可以快速地对齿轮箱各单元进行故障诊断和准确定位,并能给出相应解决方案,具有较好的实用性。

带式输送机减速器输入轴断裂分析及应对

为了减少选煤厂带式输送机减速器高速轴断裂事故的发生,针对选煤厂某型号减速器使用现场高速轴断轴事故,进行了断轴原因分析。分别从减速器自身的缺陷、维护保养、液力耦合器的安装方式、减速器基座、联轴器端面间隙、电机与减速器的同轴度等方面进行了分析。得出减速器自身缺陷、基础过软、液力耦合器安装方式不合理、电机轴与减速器输入轴同轴度差是造成减速器高速轴疲劳断裂的主要原因。

基于VMD的带式输送机齿轮箱故障诊断

针对高湿、高粉尘、易腐蚀的恶劣工作环境下管状带式输送机齿轮箱早期微弱故障特征提取困难的问题,提出了基于改进变分模态分解(VMD)的带式输送机齿轮箱故障诊断方法。首先利用齿轮箱故障机理模型确定模态分量个数,通过优化搜索选择最优的频带惩罚因子,得到最优的满足适应度函数的分解参数组合,克服了人为随机设置分解参数对分解结果带来的不确定性;然后利用参数优化后的VMD对齿轮箱故障信号进行分解,并对各个分量进行包络解调分析来提取齿轮故障特征。仿真信号和工程实际信号的分析结果表明,该方法能够准确、清晰地提取齿轮箱故障特征。