【摘 要】
：
针对齿轮箱中轴承故障信号往往夹杂齿轮啮合振动信号的问题,本文建立了一个齿轮箱仿真模型,此模型在前人建立的模型的基础上,充分考虑了齿轮啮合时重合度不同对齿轮啮合刚度的影响,并且引入单元谐振器模拟出现故障后轴承元件的高频固有振动,使用ode45微分求解器对轴承外圈进行动力学仿真分析,得出故障仿真信号,然后采用包络分析技术处理得到的信号.仿真结果验证了仿真模型的有效性和正确性.
【机 构】
：
北京工业大学 机电学院 北京市先进制造技术重点实验室,北京 100124
【出 处】
：
2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014
论文部分内容阅读
针对齿轮箱中轴承故障信号往往夹杂齿轮啮合振动信号的问题,本文建立了一个齿轮箱仿真模型,此模型在前人建立的模型的基础上,充分考虑了齿轮啮合时重合度不同对齿轮啮合刚度的影响,并且引入单元谐振器模拟出现故障后轴承元件的高频固有振动,使用ode45微分求解器对轴承外圈进行动力学仿真分析,得出故障仿真信号,然后采用包络分析技术处理得到的信号.仿真结果验证了仿真模型的有效性和正确性.
其他文献
针对轴承振动信号的非线性、非平稳特征和难以获取大量故障样本的实际情况,提出了本征时间尺度分解(intrinsic time-scale decomposition,ITD)和排列熵的轴承故障诊断方法.采用ITD方法对滚动轴承振动信号进行分解,对得到的前4个有意义的合理旋转(Proper Rotation,简称PR)分量计算其排列熵,并将熵值作为特征向量输入支持向量机分类器,从而实现滚动轴承故障类别
提出一种基于多尺寸多结构元素的闭-开平均组合形态滤波(C-OACMF)和稀疏分量分析(SCA)相结合的轴承复合故障诊断方法.首先均值化处理观测振动信号;计算信号的局部极大值极小值,确定结构元素的高度HL和长度KL集合来构造三角、半圆结构元素集合,进而构造多尺寸多结构滤波器;根据构造的滤波器提取观测信号的特征信号并滤除非调制信号,应用SCA分离滤波后的观测信号.通过实际环境下滚动轴承复合故障振动信号
粘弹夹层结构广泛应用于机械设备中,受使用环境如光照、温度、机械应力等作用,粘弹夹层高分子材料发生老化现象而使得结构动态特性退化,影响设备使用性能,因此研究粘弹夹层结构状态识别的方法具有重要的工程应用意义.研究提出了基于Ll范数小波核KPCA的特征融合方法,结合支持向量机用于粘弹夹层结构状态的识别.本文通过加速老化实验获取不同老化程度的粘弹夹层材料构建不同的结构状态,并测试结构动态响应信号进行状态识
基于双链量子遗传和盲源分离算法的独特特性,提出一种基于双链量子遗传的机械故障盲源分离方法(DQGA-BSS方法).相对于传统的优化算法,提出的算法收敛速度更快、搜索能力更强、种群多样性更丰富.最后,将提出的方法运用到轴承的故障诊断中,成功的分离出了内圈和外圈的故障信号.实验结果证明了该算法的有效性.
针对在无故障样本情况下如何快速检测设备异常度问题,在传统反面选择算法的基础上,提出一种等径检测器固定边界反面选择算法(Boundary-Fixed Negative Selection Algorithm with Constant-Sized Detectors,CFB-NSA).在描述算法的基础上,以Iris数据集为例进行分析,与其它异常检测方法相比,多数情况下,此算法具有更好检测性能.在引入
为了更好识别齿轮故障状态,提高故障诊断的准确性.本文提出主成分分析(Principal Component Analysis PCA)和层级实时记忆法(Hierarchical Temporal Memory,HTM)结合的方法.首先利用经验模态分解(Empirical Mode Decomposition,EMD)和无量纲获取特征向量;然后利用PCA算法进行特征处理;最后将处理后的数据作为HTM
对基于网络遥测的飞机发动机健康监控技术作了分析与探讨,在此基础上构建了网络遥测系统的层次结构,介绍了基于网络的数据包结构及IEEE1588PTP精确时钟同步协议关键技术,提出了飞机发动机的空中实时诊断、着陆迅速维修的健康监控系统.
针对机械振动信号呈现的非平稳特征,将时频分析技术与流形学习方法相结合,提出一种新的特征提取方法.S变换作为一种较新的时频分析方法具有频率分辨率高、抗噪声强、无交叉干扰项等优点.局部线性嵌入(Locally linear Embedding,LLE)是一种流形学习方法,具有保持数据降维前后其流形不变的性质.本方法首先利用S变换将一维振动信号分解到不同频率尺度上,再对其求模获得S变换模时频矩阵,最后使
鉴于发动机轴承系统的复杂性和轴承故障信号的多样性,本文提出一种基于特征参数方根幅值(RA)序列和改进GRNN网络相结合的发动机轴承故障诊断新方法.通过提取轴承故障信号的RA序列参数,可以有效识别轴承故障信息,再利用改进GRNN网络对输入特征参数进行识别和验证.改进后的GRNN网络增加了KCV (K folder cross validation)交叉验证算法,能够找到网络最佳的SPREAD值,构建
滚动轴承点蚀故障的振动信号是典型的循环平稳信号,其谱相关密度在循环频率域上具有离散的故障特征,并且在特征循环频率切片上具有连续的幅值分布,能够表征轴承不同故障特征.本文提取特征循环频率切片上的谱总值组成特年向量,对加速度全寿命周期中测试轴承进行早期故障诊断.小波分析和包络谱分析是滚动轴承故障诊断与分析中常用的时频分析方法,对比其在轴承早期故障诊断中的结果,表明特征循环频率切片的谱总值特征对轴承早期