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。     

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。