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。     

基于LabVIEW的齿轮箱故障诊断

着重介绍了齿轮箱故障诊断系统的实现过程和设计思想,及通过虚拟仪器开发软件LabVIEW、小波变换和神经网络技术,来实现齿轮箱故障诊断系统的核心内容,最后通过实例验证了此设计的可行性。     

基于改进LS-SVM的异步电机转子故障诊断

为了提高异步电动机转子故障的诊断精度,给出了一种基于改进最小二乘支持向量机(LS-SVM)的多故障分类算法。首先运用FFT处理电机的定子电流信号得到信号频谱图,从中提取故障特征向量;然后将特征向量送入改进算法进行故障诊断时,在原有多分类算法的基础上引入层次分析法确定故障类别的权重,根据权重值确定故障的诊断顺序,依次进行故障分类。实验表明,改进算法用于故障诊断节省了诊断时间,提高了诊断精度,具有很好的推广前景。     

某型船用传动齿轮箱振动模态的试验与分析

某多输入双级传动齿轮箱是舰船振动与噪声的主要根源之一。文中在建立齿轮箱的试验模型后,采用固定锤击点改变测量点法采集各点的冲击数据和响应数据,在对同类型两部齿轮箱的模态试验的结果分析的基础上,通过对比找到了其中一部齿轮箱振动噪声增大的原因,经过对该齿轮箱的开箱测检结果表明,其分析结论是正确的。对该型舰船齿轮箱的故障诊断、提高其可靠性和维修性,具有重要的指导意义。     

基于信号处理的齿轮箱状态监测与故障诊断

针对工程上齿轮箱实时监测和故障诊断的需要,对JZQ 250型齿轮箱展开研究,提出了状态监测特征值和故障特征向量相结合的分级诊断方法。通过时域参数分析提取监测特征值作为一级诊断,利用能量比重谱的方法,提取故障特征向量作为神经网络的输入向量进行故障诊断为二级诊断。实验结果表明,该方法不仅满足工程上实时在线诊断的要求,而且能够准确进行齿轮箱故障定位。     

基于改进LS-SVM的雷达故障诊断技术

针对传统雷达系统故障诊断流程复杂、诊断时间长且准确率仍有上升空间的问题,将改进最小二乘支持向量机算法引入到雷达系统故障诊断中,建立雷达故障诊断模型。该方法很好地解决了分类和函数估计问题,加快了诊断速度,改善了最小二乘支持向量机的鲁棒性和稀疏性,并提高了诊断准确率。通过对某型雷达故障诊断实例仿真,对比改进最小二乘支持向量机和传统神经网络在雷达故障诊断上应用的效果,仿真结果验证了该方法较传统神经网络,具有更好的雷达故障诊断效率和准确率。     

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．     

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。