齿轮故障的混沌诊断识别方法

研究了Ｈｏｌｍ ｅｓ型Ｄｕｆｆｉｎｇ 振子的混沌及间歇混沌运动，发现参考信号与摄动信号间的微小角频率差是振子产生间歇混沌的原因。得出振子相变对与参考信号具有微小角频率差的小信号敏感，而对随机噪声和与参考信号角频率差较大的周期干扰信号具有免疫力的结论。通过辨别振子对的间歇混沌运动可对齿轮偏心及单齿缺陷故障进行诊断与识别。

非线性齿轮系统单齿故障动力学特性

针对齿轮系统运行过程中具有非线性动力学特性,借鉴混沌振子检测理论中根据系统相轨变化检测信号的原理,分析了齿轮单齿故障冲击信号出现的成因及其出现故障后非线性动力学特性的变化,建立了基于冲击分析的非线性齿轮系统单齿故障动力学模型。通过分析发现,齿轮系统模型在一定的参数条件下,其动力学特性会进入混沌状态。而在相同参数条件下,出现单齿冲击故障并达到一定程度后,齿轮系统会在故障冲击的激励下进入大周期运动,从而表现出明显异于无故障条件下齿轮系统的动力学特性。仿真结果表明,该方法能有效区别齿轮系统单齿故障状态。

基于混沌弱信号检测的轧机故障诊断研究

为检测强噪声背景下轧机的转子和齿轮故障,给出了一种Duffing方程检测微弱信号的算法.设计加入待检信号后的混沌振子方程,检测出转子发生早期碰摩以及齿轮偏心和单齿缺陷故障.故障诊断实验可以证明利用Duffing振子的间歇混沌现象对强噪声背景中轧机故障的微弱特征信号进行检测的有效性,与相关函数法比较,证明此方法的优越性.

行星齿轮传动系统复杂微弱故障的非线性特性

针对行星齿轮传动系统振动信号的非线性、非平稳性和故障特征微弱等特点,基于混沌理论对行星齿轮传动系统的正常、单一和多类耦合故障特性进行了综合分析与研究。用小波包算法对所采集的振动信号进行预处理;恰当选取最佳时延和最小嵌入维数重构相空间。在此基础上,用相图定性描述不同故障状态的故障类型;用关联维数和最大Lyapunov指数量化其各故障状态的特性和程度。研究结果表明:5种不同状态下的相图有一定的差异性;且故障越严重、故障耦合的越多,其关联维数和最大Lyapunov指数越大,混沌特性越强。因此,利用混沌的定性和定量方法可以有效识别行星齿轮传动系统的单一故障以及故障特征频率不重叠和故障特征频率重叠的两类耦合故障。

分形与混沌技术在轧机故障诊断中的应用

采用分形与混沌技术判断轧机设备的动力学特性是否发生变化,帮助判断设备是否存在故障,再结合频谱分析方法,快速找出故障原因与故障点,在高速线材轧机的故障监测与诊断中取得了良好的效果。

基于混沌特征分析的齿轮故障诊断

对某型齿轮使用中的故障数据进行了混沌特征分析,对齿轮振动信号进行了相空间重构,计算了故障前后齿轮振动信号的相关积分。研究表明,随着齿轮振动信号的逐渐增强,也就是发生齿轮故障征兆时,相关积分逐渐降低,相关积分可以有效地进行齿轮的故障先兆检测和故障诊断。

基于混沌步长果蝇算法优化支持向量机的齿轮故障诊断

为提高齿轮的故障诊断精度,同时针对果蝇算法(FOA)用于优化支持向量机(SVM)参数时存在陷入局部最优的不足,对FOA算法中搜索步长的确定方式进行了改进,以此提出了基于混沌步长果蝇算法(CSFOA)的齿轮故障诊断方法。齿轮故障诊断实例结果表明,CSFOA优化得到的SVM参数比FOA更优,有效地提升了齿轮故障诊断的精度,同其它一些方法的比较也证明了CSFOA的优势。