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。     

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。     

含轴间距误差的消隙齿轮刚柔耦合动力学仿真

轴间距误差对消隙齿轮精度和性能有重要影响,但其机理和规律并不清楚。基于接触碰撞力约束关系建立齿轮接触动力学模型,进一步利用ADAMS/Flex建立单级消隙齿轮传动系统的刚柔耦合模型,通过刚柔耦合动力学仿真研究消隙齿轮传动在不同轴间距制造误差条件下的振动及频率特性。研究发现:随着轴间距的减小,扭簧的平均力矩增大,齿轮齿面间的啮合力矩以及摩擦力矩也将增大,从而阻碍扭矩的正常传递,并导致固定齿轮转速幅值降低;随着轴间距的增大,固定齿轮主谐振频率整体上降低,而且在轴间距稍大于标准中心距时降低很快。这一发现可指导消隙齿轮传动的设计和装配。     

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。     

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。     

基于小波包和神经网络的行星齿轮箱故障模式识别技术

行星齿轮箱振动信号在各频段的能量分布与其故障类型有关。利用Daubecics小波包将不同故障的振动信号分解到各个频带。BP神经网络的输入是各频带的能量——行星齿轮故障的特征向量,用神经网络识别故障类型。通过实验验证了该方法可以快速、准确地进行故障模式识别,达到良好的预期效果。利用此方法可以有效解决武装直升机武器系统复杂故障现象问题。     

基于虚拟样机技术的坦克传动箱箱体结构强度分析

在所建立的某型坦克齿轮传动箱箱体有限元模型的基础上,利用刚柔体耦合技术,对坦克传动箱在典型工况下的结构强度进行了虚拟考核。测试出传动箱体在极端载荷下的结构应力分布状况和薄弱部位。该技术途径的实现表明,虚拟样机技术可以为装备部件的研制和改进提供技术支持。     

时变载荷下履带车辆传动箱振动响应仿真

为了掌握某型履带车辆传动箱箱体在运行过程中振动响应的敏感位置,在RecurDyn中建立了齿轮传动系统虚拟样机仿真模型,并利用试验值进行了验证。利用HyperMesh对传动箱箱体进行了有限元前处理,并导入ANSYS进行模态分析,得到了箱体低阶固有频率以相应振型。将RecurDyn动力学求解得到的各轴承座处的时变载荷,输入到箱体有限元模型中,实现了RecurDyn和ANSYS的有效结合,提高了仿真的效率,得到了时变载荷下箱体振动加速度的分布情况,为该传动箱体振动测试测点的选择提供了依据。     

薄壳变速箱壳体动态响应仿真分析与试验验证

在ADAMS（Automatic Dynamic Analysis of Mechanical Systems）中搭建薄壳箱体的刚柔耦合虚拟仿真模型，进行动态响应仿真分析。在相同试验条件下，搭建薄壳箱体动态响应试验台架，并进行动态振动试验。利用Q-400非接触式测试系统测量台架试验结果。对比仿真分析和试验测量结果，验证了仿真分析模型的准确性和计算结果的可靠性。     

基于虚拟台架的变速箱箱体动态应力测试及影响因素分析

为了虚拟测试变速箱箱体结构的动态应力并分析其影响因素,利用虚拟样机技术建立了箱体虚拟振动试验台模型,通过虚拟试验测试箱体在振动激励下的动态应力,研究并分析了激励频率和幅值、螺栓连接刚度以及橡胶衬套刚度等因素对箱体动态应力的影响,结果表明箱体上橡胶衬套的刚度是影响其动态应力的最主要因素.     

基于声测法的齿轮箱齿轮故障诊断研究

分析了齿轮箱故障机理及其与噪声信号的内在联系 ,利用声检测原理对齿轮箱工作状态进行了监测实验 ,分析处理了系统正常和故障工况下的声学及振动信号 ,并通过倒频谱分析方法进行特征参量提取 ,成功地判断出了齿面磨损故障。     

SVM与PSOHF参数优化装备机械传动齿轮故障诊断

为了提高支持向量机(SVM)对齿轮故障诊断的准确性,提出了一种基于SVM与PSOHF参数优化的机械传动齿轮故障诊断新方法。采用蜜蜂觅食机制改进粒子群算法(PSOHF)对SVM径向基核函数参数c和g进行了优化,建立优化后的SVM模型;而后对齿轮不同裂纹长度的故障信号进行小波包分解,将相对小波能量作为故障特征向量输入SVM;进行模式识别和故障分类,最终实现齿轮故障诊断。齿轮裂纹故障振动实验信号的研究结果表明,PSOHF优化的SVM提高了分类正确率,更适于实际中齿轮故障诊断。     

基于空间采样法的齿轮调相振动信号解调

在对机械设备的齿轮部件进行振动监测时,由于载荷以及转速波动等因素的影响,会引起振动信号的相位调制,使得频谱严重失真.通过对调相现象的理论分析和数值仿真计算,提出了基于空间采样的齿轮振动调相信号的解调方法,结果表明,该方法可以获得有价值的振动信号,从而进行有效的齿轮故障诊断.     

基于路面不平度的车载导弹刚柔耦合行驶动力学研究

应用多刚体动力学以及多柔体动力学理论,对某型车载导弹进行了行驶分析,建立了部分构件柔性体模型及车载导弹刚柔耦合模型,并结合由随机离散方法建立的路面模型,在所编辑的B级路面上对车载导弹进行了3个速度下的行驶动力学仿真,得到了三轴向振动量级谱线图,与技术要求所对应的谱型图进行了对比分析,得到了不同轴向振动量级的对比结论。     

基于有限元的坦克变速箱体模态分析

建立了坦克变速箱体详细的有限元模型,采用Lanczos算法对箱体结构进行了模态分析,计算出了箱体结构的前16阶非刚体模态的固有频率及相应振型.分析结果显示了箱体各部分结构振动的强弱分布以及抗振薄弱区,为下一步的动态响应及动态修正提供了必要的依据.该分析结果也为变速箱故障诊断提供了参考依据.     

太阳能电池阵跟踪驱动过程扰振特性分析

太阳能电池阵对日跟踪驱动过程所产生的扰动是限制高精度航天器技术指标提高的主要因素之一。为获取驱动扰动的规律性特征,本文将太阳能电池阵及其驱动装置考虑为相互耦合的整体系统,从主要驱动环节出发建立其机电一体化扰振分析模型和Simulink动力学仿真模块,通过试验算例验证模型正确性,并分析了电池阵刚柔耦合和质心偏置等因素对扰振特性的影响。结果表明:转速波动将激起电池阵低阶扭振模态,扰动频谱具有步进电动机驱动和柔性结构振动的频率特性,但扭振扰动对刚体运动规律影响很小;质心偏置会引起电池阵平动与转动耦合的空间振动,激扰面外弯曲振型,改变扰振频率分布和放大扰振分量幅值。     

早期碰摩转子径向运动信号的仿真分析

针对早期碰摩时转子振动特征与其他旋转机械常见故障(如不对中)特征相重复的问题,研究转子径向运动信号中蕴含的早期碰摩故障特征。建立了转子动力学模型并求解得到仿真转子振动信号,从中计算出转子径向运动信号(径向运动速度、径向运动加速度)并进行了分析。结果表明:发生早期碰摩时,径向运动速度、径向运动加速度信号会在碰摩点处发生瞬间剧烈波动,可用来指示碰摩部位;频谱中高频成分大大增加,大部分情况下高频代替转频成为主要成分。这些特征与正常状况有显著区别,可望用于早期碰摩故障的诊断。     

基于刚柔耦合的坦克炮发射动力学仿真分析

炮口扰动是影响坦克炮射击精度的重要因素，为研究弹丸出炮口瞬间的炮口扰动规律，基于多体动力学与有限元方法构建了坦克刚柔耦合的全车动力学仿真模型，该模型考虑了身管的柔性特性，对身管进行了模态分析，得到了身管的模态中性文件。通过仿真，对比了后坐部分最大后坐位移与最大后坐速度的试验值与仿真值，对刚柔耦合模型的仿真结果进行了验证。在此基础上，分析了刚性身管和柔性身管对炮口扰动的影响，结果表明：考虑身管柔性特性的刚柔耦合模型能够有效提高坦克炮射击仿真精度。     

用频谱修正方法准确确定包络解调信号的幅值谱

首先,分析了机械设备振动信号包络解调的原理,并针对解调信号频谱分析存在的误差及影响因素,提出了采用三点卷积修正解调信号的幅值的方法;然后,进行了仿真计算;最后,对6010滚动轴承内圈故障的振动信号进行了包络解调分析和三点卷积频谱修正。试验结果表明:该方法能准确得到频谱幅值,为定量确定故障大小提供了理论依据。     

基于MUDW和峭度的齿轮故障信号预处理方法

针对齿轮故障信号特征提取困难、易淹没在噪声干扰中等问题,采用形态非抽样小波(Morphological UnDecimated Wavelet,MUDW)分解和峭度对振动信号进行预处理,以强化齿轮故障信号特征和提高特征信息比重。首先,采用MUDW对信号进行分解,利用网格搜索法优选其初始参数;然后,采用峭度作为评价指标来表征各分解层近似信号对故障特征的贡献量,在此基础上进行加权融合运算,以提高有用的近似信号比重;最后,利用仿真信号和实测的齿轮故障振动信号验证了该方法的有效性和实用性。