基于鲁棒多元LS-SVM的齿轮箱故障诊断方法

多元LS-SVM算法可以直接用于多分类模式识别问题,通过对该算法的误差变量进行加权,消除了训练样本中异常值或非高斯噪声的影响,增强了多元LS-SVM算法的鲁棒性。然后,利用改进算法建立特征向量与故障模式之间的映射关系,得到齿轮箱故障诊断模型。仿真表明:与传统BP神经网络相比,鲁棒多元LS-SVM算法对齿轮箱的故障诊断的精度更高,抗干扰能力和鲁棒性更强,是一种在齿轮箱故障诊断中值得推广和采用的算法。     

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．     

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.     

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。     

开拓风电市场 描绘百亿蓝图——重庆齿轮箱公司调整产品结构纪实

<正>今年上半年,重庆齿轮箱公司产销双超20亿元,全面实现了时间过半任务过半的目标。工业总产值完成近25亿元,同比增长34%,其中风电齿轮箱产值近8亿元,占了总产量的三分之一,成为公司又一个新的经济增长点。布局风电领域做大风电市场在新疆达坂城风电场昼夜旋转的风机群上,人们看到"金风科技"的标识,而风机内部核心零部件之一的齿轮箱却不为人知,这便是由重庆齿轮箱公司