基于SSAE的输入级弧齿锥齿轮自动特征提取及故障诊断

航空用输入级弧齿锥齿轮常处于高速重载工况,获取的振动信号具有强非线性、非平稳特点,造成故障特征难提取。对此,运用堆栈稀疏自动编码器故障自动特征提取方法结合分类器对输入级弧齿锥齿轮故障诊断进行了研究。搭建输入级弧齿锥齿轮故障诊断模拟试验台,分别进行正常齿轮和故障齿轮运行的测试试验。将多个SAE层层堆叠形成SSAE,对弧齿锥齿轮故障特征层层提取,用多分类器完成故障诊断。结果表明:该方法输入级弧齿锥齿轮故障识别结果的有效率可达100%,为弧齿锥齿轮的故障分析提供了一种有效途径。

基于图谱特征与度量学习的行星齿轮箱健康评估

为提高行星齿轮箱健康评估准确性,提出一种基于图谱特征与度量学习的行星齿轮箱健康评估方法。从行星齿轮箱振动信号中提取图谱特征作为故障特征参数;设计基于单调性、相关性的度量学习准则,建立优化的马氏距离度量函数;采用待测样本与无故障正常样本之间的马氏距离表征故障严重程度,建立基于支持向量回归的健康评估模型。通过行星齿轮箱健康评估实验结果分析,证明了图谱特征能够有效表征行星齿轮箱故障严重程度,所建立的健康评估模型单调性好,提高了健康评估准确性。