关联维数在齿轮箱振动信号特征提取中的应用

论述了关联维数的基本概念和性质,给出了定量描述分形特征的重要参数———关联维数的计算方法,分析了齿轮箱故障时振动的特点.通过对试验获取的齿轮故障振动信号进行分析计算,确定了关联维数与齿轮箱故障程度之间的联系.结果表明,齿轮箱的不同运行情况对应的关联维数有明显不同.因此,可用关联维数作为区分齿轮箱工作状态的特征参数.     

齿轮箱振动测试与分析

在对某型齿轮箱的模态、振动烈度和振动加速度进行测试的基础上,详细分析了测试结果.模态测试得到了齿轮箱的振型和模态参数,振动烈度测试结果表明该齿轮箱处于良好工作状态,振动加速度测试结果显示该齿轮箱的减振措施达到了预期的效果.最后,对测试提出了建议.     

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。     

基于阶次分析方法的齿轮箱齿轮故障诊断研究

研究了旋转机械非稳态振动信号分析中的计算阶次分析方法．分析了该方法在重采样过程中的采样率设置规则．利用插值算法实现了对等时间间隔采样的齿轮箱振动信号的角域重采样,将其应用于齿轮箱加速过程故障诊断,成功识别了齿面磨损故障．结果显示,阶次分析法能有效避免传统频谱方法出现的频率模糊现象,在处理非平稳转速变化信号时具有独特的优越性．     

一种齿轮箱振动控制方法

从机械结构的振动控制理论出发 ,提出了一种齿轮箱振动控制方法 ,研究并讨论几种齿轮箱箱体以及齿轮本体的结构参数对动态特性的影响 ,其结论可以为齿轮箱的振动设计提供参考依据     

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。     

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。     

基于特征加权与SVM的雷达有源干扰分类技术

为了有效提高雷达有源干扰分类正确率,提出一种基于特征加权与支持向量机的分类方法。针对分类过程中各信号特征参数对信号分类的重要度不同,引入特征加权的概念。利用灰色关联分析方法求取各特征权重,避免一些弱特征对分类结果产生较大影响。最后利用支持向量机分类器,对雷达有源干扰信号进行了分类识别。通过仿真实验证明,该方法可以有效提高雷达有源干扰信号类型的识别率,具有很好的通用性。     

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。     

小波相关特征尺度熵在滚动轴承故障诊断中的应用

将小波相关滤波方法与Shannon信息熵相结合,提出了一种故障检测与诊断的方法——小波相关特征尺度熵故障法。首先利用小波相关滤波方法提取滚动轴承故障振动信号的微弱故障信息特征,以求得信噪比较高的尺度域小波系数;然后结合Shannon信息熵理论给出了沿尺度分布的小波相关特征尺度熵定义及其计算方法。小波相关特征尺度熵能够定量表征不同尺度的能量分布,各尺度能量分布的均匀性可以反映滚动轴承的运行状态的差别,选取最能反映故障特征的小波相关特征尺度熵作为特征参数,通过所选取的小波相关特征尺度熵大小判断滚动轴承的工作状态和故障类型。实验证明该方法能有效地判断滚动轴承故障特征,为滚动轴承故障诊断提供了新的思路。     

基于阶次跟踪和BP网络的齿轮箱故障模式识别

在对齿轮箱的原始振动信号进行时域采样的基础上,利用小波包分析对其进行消噪,然后对得到的数据进行角域重采样,得到基于阶次跟踪的采样信号,再对该信号进行特征参量提取,最后利用BP网络对得到的故障特征参量集进行模式识别。该方法能够避免传统分析方法中难以克服的“频率模糊”现象,对于瞬态信号有较好的分析处理能力,是对传统频谱分析法的有力补充。     

基于小波包变换和BP网络的齿轮箱故障诊断

利用小波包分析提取出齿轮箱在各种工况下振动信号的有效成分,根据时频域特点提取比较典型的特征参量,利用改进的BP网络进行训练,根据训练结果判别齿轮箱的故障状态。     

基于高阶谱分析的机械故障特征识别

在分析高阶累积量与高阶谱的理论基础上，利用高阶谱可以抑制加性高斯噪声的性质，研究了基于高阶谱分析的机械故障特征提取方法，提出了基于双谱估计的齿轮故障诊断的方法。通过对齿轮信号的双谱特征图谱进行分析比较，成功地对齿轮的正常稳态振动信号、正常瞬态振动信号以及磨损瞬态信号进行了识别，效果十分显著。     

基于模态分析的变速箱振动测点优化配置

针对坦克变速箱振动信号在状态监测中测点的选择问题,提出了根据不同测点的频响特性优化振动测点的方法。通过分析变速箱箱体的有限元动力学模型,得到箱体的各阶固有频率和振型,选择模态分析中总位移较大的位置作为最优的测点安装传感器,为试验测点布置以及状态监测和评估提供理论支持。研究结果表明：位于风扇联动装置齿轮箱附近的传感器对变速箱振动信号的强弱变化比较敏感。