基于小波包与同态滤波的低速重载齿轮箱故障诊断研究

对小波包分解和同态滤波进行了阐述,提出了利用小波包分析与同态滤波相结合对低速重载齿轮箱的低频故障特征进行有针对性提取的观点.先利用小波包分析对故障信号进行有针对性分解,并提取出7.2 Hz的调制故障;然后再结合同态滤波分析成功地提取出0.57 Hz的低频调制故障.实例证明,小波包分析与同态滤波相结合是一种非常有效的适用于低速重载齿轮箱故障特征提取方法.

基于小波包频带能量特征提取的低速重载滑动轴承故障诊断研究

滑动轴承的代表性故障是轴承与轴颈的接触摩擦故障,而高频振动信号的出现是产生接触摩擦的重要征兆,基于这一特性借助小波包将信号细分到各个频段,分别求出各频段内信号的能量,观察高频能量的变化就可以判断出是否发生了故障以及故障的程度。以某矿风机出现2种不同程度故障时的实验数据为例,详细地说明了该方法的可行性,取得了准确的结果。

基于小波-支持向量机的齿轮故障诊断研究

针对齿轮工作状态的识别与智能故障诊断问题,提出了应用小波与支持向量机相结合进行齿轮智能故障诊断的方法。将齿轮不同工作状态下的振动信号经小波包分解后的频带能量作为特征向量,并以此作为训练样本对多个支持向量机构成的齿轮多故障分类器进行训练,进而实现对齿轮的智能诊断。通过对提升机齿轮的故障诊断研究表明,小波包与支持向量机相融合的故障诊断与识别技术发挥了两者的优点,是提取机械故障特征进行设备状态自动识别的有效方法。

人工神经网络在离心式通风机故障诊断中的应用

通过对已采集的通风机振动信号分析和整理,提出了应用人工神经网络对其进行故障诊断,以G4-73-11离心式矿用通风机为研究对象,用小波包分解技术提取其振动信号的能量特征作为特征向量,建立了神经网络模型,并应用此网络对一矿用通风机G4-73-11No28D进行故障诊断,结果表明,此网络可作为智能分类器对离心式通风机的常见故障进行识别和诊断。

基于Hilbert解调技术的齿轮故障诊断研究

阐述了齿轮振动信号的调制原理,讨论了Hilbert变换的定义及解调原理。应用Hil-bert变换的解调技术对齿轮振动信号进行了幅值解调分析。工程应用的研究结果表明,针对齿轮振动信号的调制现象,利用Hilbert技术能从复杂的振动信号中解调出故障齿轮的调制信息,进而判断出故障齿轮的部位,是一种可靠的故障诊断方法。

矿井通风机故障诊断专家系统的研究

本文以G4-73-11通风机为研究对象,用CLIPS语言建立了故障诊断专家系统。以转子不平衡故障模块为例,引入故障判定树和开放式知识库。

第二代小波降噪法在故障诊断中的应用

介绍了基于插值细分法的第二代小波变换的基本原理和变换过程,给出了小波降噪的阈值选取方法。用仿真信号进行验证,并将该算法应用于矿用通风机振动信号的降噪处理中,提高故障诊断的准确率。

电动机振动故障诊断的探讨

通过对电机典型故障的振动特征分析,提出对电机先进行简易诊断,然后进行精密频谱分析,以找出故障的类型和部位的技术思路。

基于Hilbert变换的低速重载齿轮故障诊断研究

对齿轮运动特性进行了分析,阐述了齿轮振动信号的调制原理,指出了齿轮箱低频故障信息容易被强噪声淹没的实际问题,提出了利用Hilbert技术对低速轴齿轮故障特征进行有针对性提取的观点。实例证明,Hilbert技术是一种行之有效的齿轮低频故障特征提取技术。

基于经验模态分解的矿用通风机故障诊断研究

提出了一种基于经验模态分解(EMD)的矿用通风机故障诊断的新方法,该方法通过EMD 把时间序列信号分解成不同特征的固有模态函数(IMF),然后通过对选取表征通风机故障的 IMF 分量进行频谱分析,就可提取通风机故障信号的特征,进而判断出通风机的故障。工程应用表明,该方法能有效地识别通风机故障。

基于Labview的频谱细化分析方法

利用Labview强大的数学和信号分析功能,在传统的复调制细化分析方法的基础上,讨论了一种新的基于Labview的频谱细化分析及实现方法,为基于Labview虚拟仪器中实现频率细化分析提供了一条途径。仿真和工程实例表明,该方法可满足工程中对信号进行频率细化分析的要求。