基于动力学仿真的行星变速箱故障机理研究

针对某型行星变速箱故障机理研究欠缺和故障诊断困难的问题,在刚柔耦合动力学理论和齿轮故障信号模型基础上,建立了行星变速箱齿轮-箱体刚柔耦合动力学模型,分别计算行星变速箱正常状态和齿轮故障下的齿轮啮合力和箱体表面振动信号,进而研究齿轮故障机理,最后通过对故障模拟试验采集的实测信号与仿真信号的频谱成分对比,验证了所建模型的正确性。结果表明:齿轮发生故障时,振动信号频谱会出现相应的特征边频带。     

基于动力学分析和模糊综合评判的变速箱测点配置

针对变速箱状态检测与故障诊断过程中状态信息获取的测点位置基本靠经验设定,缺少理论支持,导致检测准确性和可靠性不高的问题,在建立变速箱箱体的有限元分析模型的基础上,进行了箱体的约束模态分析,根据模态位移"取大优先"的原则初选10个测点,然后采用模糊综合评判的方法,将测点优化问题转化为方案优选问题处理,提出了变速箱箱体模态实验的测点优化配置方案。结果表明:采用动力学分析和模糊综合评判相结合的方法进行测点优化选择,得到了科学合理的测点优化配置方案。     

小波分析和神经网络结合的变速箱状态识别

针对变速箱故障信号的非平稳和时变特性，提出了小波分析和神经网络结合的变速箱状态识别方法。为了验证该方法的有效性，试验模拟了某型车辆变速箱正常、7216轴承滚动体点蚀及3挡被动齿轮严重磨损3种状态，以箱体振动信号作为分析信号，首先对信号应用小波阈值法降噪减少干扰，接着将小波分解系数单子带重构得到不同频带的信号分量，提取各频带能量作为特征向量输人神经网络进行状态识别，结果表明该方法能有效识别变速箱的3种状态。     

基于DWT-LPP的行星变速箱故障信号特征增强方法

针对行星变速箱齿轮故障信号特征易被噪声湮没且不同齿轮故障信号较难区分的特点,提出了一种基于离散小波变换(Discrete Wavelet Transform,DWT)和局部保持映射(Local Preserving Projection,LPP)的行星变速箱故障信号特征增强方法。首先,利用DWT对信号进行多频段的重构扩充信号维度;然后,通过LPP对多维度信号进行降维,减弱噪声影响并增强信号的稳定性;最后,以排列熵(Permutation Entropy,PE)、样本熵(Sample Entropy,SE)和功率谱熵(Power Spectral Entropy,PSE) 3种信息熵表征信号特征。对台架试验采集不同故障状态的振动信号进行分析,结果表明:该方法对故障信号特征增强明显,依据3种信息熵值的三维坐标有效实现了行星变速箱齿轮故障的分类识别。     

变速箱体声辐射规律

研究了变速箱声源的声辐射规律;论证了坦克变速箱内的故障信息能由箱体的声信号辐射出来。     

基于特征相似度的同步发电机绝缘故障诊断

以同步发电机为分析对象,利用粗糙集可有效地处理和分析不精确的信息和知识的优点,从历史信息和决策中进行了特征量选取以及属性约简.对于无法处理的属性约简,采用条件限制得到能够有效反映属性的重要程度特征量,并以此计算特征量权重系数,消除主观因素的影响.在此基础上,针对励磁绕组绝缘故障,选择与设备健康状态直接相关特征作为判断对象,与同机组历史数据进行相似度分析,计算得到了其故障因子.设计出快速判断相关状态的算法,给出了判定准则并进行了编程实现.实验验证表明:该诊断算法能够对设备故障进行有效判定.     

小子样统计理论在装备状态检测中的应用

在进行小子样条件下的装备状态检测评估时，由于采用传统统计方法对样本数据进行处理的置信度不高，统计估计时风险较大，因而在进行装备状态检测时，采用了Bayes Bootstrap方法对小子样试验数据进行了模拟统计，提高了数据处理精度，获得了状态特征的概率分布和在95％置信度下的故障判别域，实现了装甲车辆发动机故障的诊断识别。     

加权振动烈度在齿轮箱状态监测中的应用研究

针对齿轮箱运行过程中状态监测的性能特征参量及其评价标准的确定问题,研究以齿轮箱振动烈度为性能特征参量,依照国标GB6075—1985来判定齿轮箱运行状态,提出在特征频率处计算振动烈度,即加权振动烈度,以此作为监测量来判定齿轮箱性能状态,并可以对故障进行初步定位。     

基于扩展多模型自适应估计的运载火箭伺服机构故障检测与诊断

针对运载火箭伺服机构故障,提出了一种基于扩展多模型自适应估计的故障检测与诊断算法。首先建立了考虑伺服机构故障的运载火箭姿态动力学模型,其次将故障角度作为状态变量得到增广状态空间模型,然后利用扩展卡尔曼滤波器进行状态向量和故障参数的非线性估计,并基于传感器测量数据采用假设检验算法在线计算故障发生的概率,最后给出了基于扩展多模型自适应估计的故障检测与诊断算法流程。该方法的优点是只用一个扩展卡尔曼滤波器就可完成一个伺服机构的故障检测与诊断,从而大幅减小用于伺服机构故障检测与诊断的滤波器数量。仿真结果表明,该方法在无故障时可对伺服机构进行健康监测,在单台伺服机构故障下,可以及时准确判断出哪一台芯级伺服机构发生故障,并可准确估计出伺服机构故障下的发动机摆角角度。     

基于瞬时转速分析的坦克柴油机失缸故障诊断方法

针对柴油机失缸故障检测排除工作效率低的问题,利用瞬时转速分析方法实现柴油机失缸故障快速检测。通过坦克实车故障模拟试验,测量了柴油机气缸失火时的瞬时转速信号,采用非线性插值方法对瞬时转速序列进行整周期调整。利用小波包分解方法对瞬时转速信号提取了转速波动信号,分析提取了瞬时转速信号的复杂度和时域、频域特征,建立了基于支持向量机的故障诊断模型,实现了气缸失火故障诊断,并利用瞬时转速波动率作为判定参数,实现了故障定位。     

基于ARX模型和改进蚁群算法的齿轮箱故障诊断

为了提高齿轮箱故障诊断的精度，提出基于ARX模型的齿轮箱建模新方法，从系统固有特性的角度来分析齿轮箱的状态，使用最大最小蚁群算法对反映齿轮箱多变量传递特性的多个特征参量进行特征选择并使用这些特征进行故障诊断。结果表明，该方法既能够有效提高故障诊断的效率和精度，又能有效降低输入条件和负载出现波动对识别结果的影响。     

齿轮箱非线性研究现状与展望

从齿轮箱非线性的产生及现象、非线性建模和非线性信号处理等方面论述了当前齿轮箱非线性研究的现状,阐述了目前齿轮箱非线性研究工作的特点,探讨了今后齿轮箱非线性研究的几个关键问题。     

基于NNLI技术的齿轮箱故障诊断

将NNLI技术应用到齿轮箱的故障诊断中,提出了基于NNLI的特征提取方法,并将该方法与神经网络结合起来,进一步提出基于NNLI特征提取的神经网络故障诊断方法,给出了两种不同的网络分类器,通过齿轮箱故障诊断实例验证了该方法的有效性。     

基于时频和频谱分析的齿轮箱故障诊断

对频谱分析方法和时频分析方法的原理进行了分析,根据频谱分析与时频分析的特点以及齿轮箱故障诊断研究的需要,将两种方法有效地结合起来应用于齿轮箱的故障诊断中。结果表明,此方法能够有效地解决各自方法中的不足,得到比较理想的诊断结果。     

齿轮箱故障诊断特征级数据关联方法研究

提出了齿轮箱故障诊断特征级数据关联的定义．在该定义的基础上,提出了基于Bootstrap方法的小样本诊断特征参数关联的方法．利用某型齿轮箱振动试验台测取的振动加速度响应信号对提取的特征参数进行了关联评估,基于Bootstrap方法的特征级数据关联方法正确区分出了效果不好的特征参数,证实了该数据关联方法的正确性．     

基于虚拟样机技术的履带车辆传动箱模态分析

传动箱虚拟样机模型包括箱体和齿轮传动系2部分。分析传动箱模态参数,应包含齿轮系与箱体之间约束的影响。在虚拟环境下测量了传动箱的模态参数,对比了包含齿轮系和不包含齿轮系2种情况,验证了该箱体的设计使传动箱整体避开了与车辆的共振频率。同时说明了虚拟样机试验方法在箱体类零部件模态测试中的应用与技术可行性。为在设计阶段优化箱体结构提供指导。     

基于人工神经网络的齿轮箱载荷识别研究

提出了一种基于实测结构响应识别作用在齿轮箱上激励的方法 ,该方法利用人工神经网络建立响应信号与激励之间的映射模型。通过单级齿轮箱上所做的试验数据表明 ,这种利用人工神经网络识别齿轮箱载荷的方法是可行的 ,并且 ,经过训练的网络模型在齿轮箱载荷识别的过程中显示了极快的收敛速度和很高的识别精度。     

基于阶次小波包与粗糙集的轴承故障诊断

针对齿轮箱启动过程中振动信号表现为非平稳、非高斯特征及传统诊断方法诊断精度不高的现状,将阶次小波包和粗糙集理论引入轴承的故障诊断中,提出了一种新的故障诊断方法。首先利用阶次跟踪算法对瞬态振动信号进行重采样,得到等角度分布振动信号,其次采用小波包对该信号分解—重构,并对每个频段的能量进行归一化,构成特征向量,通过粗糙集理论得到清晰、简明的决策规则,最后通过故障实例验证该方法的有效性。