齿轮故障

摘要： 为了提高齿轮箱中齿轮单故障及复合故障的识别精度,克服传统故障特征提取方法过于依赖经验判断的困难,从深度学习领域出发,融合卷积神经网络(convolutional neural network,简称CNN)与对抗神经网络(generative adversarial network,简称GAN)两种深度神经网络特征,提出一种半监督卷积对抗神经网络模型(semi-supervised convolutional generative adversarial network,简称SCGAN)。采用两个CNN网络分别作为GAN网络的生成网络(G)和判别网络(D),改进了网络结构,实现了GAN由无监督学习机制向半监督学习机制的转变。将动力传动模拟试验台上采集的齿轮故障信号制成时域、频域和时频样本集,构建SCGAN模型用于故障诊断。对比3种不同种类的网络模型,结果表明,在不同的样本类型和不同的样本大小下,SCGAN的诊断精度明显高于CNN与RNN,且收敛速度快。

摘要： 在基于数据驱动的故障诊断领域,正确的标签样本是诊断准确度的保障,但由于人工标记等原因,训练样本常受到错误标签的干扰。针对错误标签的问题,提出基于改进堆栈自编码的错误标签修正方法。该方法通过堆栈自编码和孤立森林给样本赋予伪标签,调整编码器对样本的注意程度,从而使编码器更注重于正确样本。基于数据分布偏差的考虑,利用基于随机森林的交叉验证获取样本的信息熵,对标签进行修正。齿轮和轴承试验表明,该方法在多个错误标签比例下均能降低样本的错误标签率,正确修正错误标签,提高故障诊断的准确率。

摘要： 针对转速波动工况下齿轮故障难以辨识的问题,提出了一种基于核函数的多重集典型相关分析方法(kernel-multiset canonical correlation analysis,简称Kernel-MCCA),实现基于多传感信息的特征层融合,并将其应用到转速波动工况下的齿轮断齿、点蚀、磨损以及剥落故障的辨识。首先,将多传感器采集的振动信号进行小波包分解,计算能量特征矩阵;其次,利用多重集典型相关分析进行特征层融合,构建的融合特征输入到K近邻(K-nearest neighbor,简称KNN)分类器中并输出诊断结果;最后,利用齿轮振动实验台进行实验研究。结果表明,笔者所提的特征融合方法比单传感器方法识别准确率提高了5%左右,比传统的多重典型相关分析特征融合方法识别准确率提高了2%左右,可有效解决转速波动下齿轮故障状态辨识问题。

摘要： 面向齿轮系统20个常见故障,依据采集的齿轮箱震动噪音单一序列数据,采用基于超限学习机的神经网络算法进行深度挖掘,最终形成该研究设计的故障诊断预警体系。与文献中相关系统给出的实测结果平均值相比,该系统的预警时间延迟显著缩短,预警敏感度、特异度、综合准确率显著提升。作者认为,虽然该系统只针对结构简单的三轴齿轮变速箱开展了仿真研究,但该研究的设计理念适用于大部分复杂齿轮系统。

摘要： 针对齿轮点蚀故障特征难以提取的问题,提出了一种基于改进变分模态分解的齿轮点蚀故障诊断方法。利用经验模态分解自适应分解的特点,将各分量的能量占比作为有效分量的判断依据,并据此设定变分模态分解算法的模态个数,在此基础上,以变分模态分解分量的排列熵和最小值作为适应度函数,用遗传算法对惩罚因子进行搜索;根据所得结果设置变分模态分解参数,并对齿轮点蚀信号进行处理;筛选合适的本征模态函数进行包络调解,通过包络谱图分析齿轮点蚀故障的特征信息。对齿轮实验信号的分析表明,与现有方法相比,本文中提出的改进变分模态分解算法能够更加准确地识别出齿轮点蚀故障,在传动系统故障诊断方面具有一定实用价值。

摘要： 针对齿轮早期故障特征的微弱性和耦合性,提出广义变分模式分解(generalized variational mode decomposition, GVMD)-峭度-包络谱法诊断齿轮故障。首先利用GVMD的频域多尺度定频分解属性,根据齿轮故障频谱信息和信号特点设置GVMD主要参数,按需分解信号,准确获取微弱特征分量,避免VMD对微弱特征提取存在的不足和小波包变换能量泄漏引起的微弱特征混淆问题。然后结合峭度准则和齿轮故障频率信息选择故障冲击分量,融合更多故障信息重构降噪信号。最后对降噪信号进行包络解调分析,实现齿轮故障诊断。实际信号分析表明,由于GVMD能够按需获取微弱特征分量,本文所提方法能够获得更丰富的微弱故障信息,准确识别齿轮早期故障位置。

摘要： 齿轮裂纹故障是机电传动系统的高发故障,及时发现裂纹故障对保证机电传动系统正常工作意义重大。提出了一种基于三相交流异步电机定子电流信号的齿轮裂纹故障非侵入式诊断方法。首先,建立电机-齿轮-负载机电耦合模型,利用势能法计算不同裂纹深度和角度下齿轮变啮合刚度;然后,利用Runge-Kutta法对机电耦合模型进行数值求解,分析时变啮合刚度影响下电机电流动态响应。通过对比健康齿轮和裂纹故障齿轮的定子电流频谱,揭示齿轮裂纹故障对应的电流频谱特征,建立基于电机电流信号分析的传动系统齿轮裂纹故障诊断判据。对存在裂纹故障的齿轮进行电机拖动实验,齿轮裂纹故障影响下的电机电流信号与数值求解结果一致。所提出的基于电机电流信号的齿轮裂纹故障非侵入式诊断方法对于降低传动系统维护成本具有较高价值。

摘要： 为了进一步解决钢球磨煤机减速机齿轮故障问题,在具体案例的基础上,综合钢球磨煤机齿轮断齿故障的具体状态和数据检测结果进行全方位分析,通过振动诊断技术判断齿轮断齿后会出现异响和不良振动,在故障因素分析和优化的基础上提出了优化方案,确保可以为设备的全生命周期管理和质量优化奠定良好基础。

摘要： 分析风力机驱动系统(主要由叶轮、主轴、主轴承、齿轮箱和发电机组成)是风力机能量转换的主要组成部分,其故障率的增加是由单机容量的增大而决定,但是传输系统还是要考虑风力机驱动系统中的故障,因为大部分故障是由自身引起的。

摘要： 为有效评估齿轮传动系统损伤程度及检测其生命周期异样,综合考虑传动轴柔性及轴承支撑刚度对传动系统响应的影响,建立了计入传动轴柔性的二级齿轮传动系统损伤动力学模型.建模时,结合有限元法引入了不同损伤程度下的齿轮时变啮合刚度,采用New mark积分法求解了不同状态下的轴承振动响应,并采用Lempel-Ziv复杂度以评价齿轮运行状态.在试验方面,针对采集信号信噪比不理想等问题,提出了一种变分模态分解(VMD)与Lempel-Ziv复杂度结合的齿轮损伤程度评价算法.仿真及试验结果表明:齿轮故障致使振动信号时频域产生转频调制,且随着损伤程度的增加,调制现象越明显,周期性冲击愈显著;Lempel-Ziv复杂度在齿轮整个生命周期呈现先增后减的趋势,在早期故障时,Lempel-Ziv复杂度最为敏感;采用VMD-Lempel-Ziv算法可在噪声环境中对系统进行有效的劣化分析.研究结果验证了采用Lempel-Ziv复杂度指标衡量齿轮损伤程度的可行性与有效性,可为齿轮箱状态检测提供理论依据.

摘要： 本文研究了齿轮故障的机理和成因,根据提升小波和冗余提升小波分析的理论研究齿轮故障的振动特征,结合实际案例验证了方法的正确性。

摘要： 本文通过滤波，消除了有关齿轮故障的原始信号所含的噪声，并在此基础上构造小波神经网络。在网络训练中，主要采用梯度下降法及其学习率自适应调整方法对各参数进行全局优化，最后用训练过的小波神经网络对齿轮故障进行诊断。仿真结果表明，利用滤波后的信息和小波神经网络能够准确识别齿轮故障。

摘要： 本文通过对轮齿啮合的直线振动模型的建立和动力学分析,阐述了齿轮故障的机理；在此基础上,对实际中两种类型的齿轮故障(单齿剥落及整周分布疲劳点蚀)的振动信号进行了分析判断,结论符合故障现象.

摘要： 本文详细介绍了四分位偏差(QD)分形维算法，提出将此特征量与计算过程中产生的截距组成特征向量，以用于齿轮故障分类.将此特征向量与GK模糊聚类算法相结合，对实测齿轮振动信号进行分类，实验结果表明此方法能正确的对常见齿轮故障模式进行识别，具有较好的抗噪能力。

摘要： 提出了一种基于卷积型小波包分解与奇异值分解方法相结合的故障特征提取方法，该方法利用卷积型小波包变换将原始时域信号分解到和原信号长度相同的不同频带的小波域，以构成时频矩阵，并采用改进的奇异值分解方法对时频矩阵进行奇异值分解，提取的奇异值向量保留了与原有频带的对应关系，利用该奇异向量作为故障特征向量，实现了故障特征的有效提取。

摘要： 机械系统往往存在着明显的非线性特征，尤其是系统出现故障时，这种非线性特征更加突出，反映在振动信号中既有高斯分布的振动成分，又存在大量非高斯分布的振动成分。双谱分析方法可以给出比经典分析方法更有效的故障特征提取手段。本文利用双谱、双相干谱以及1(1/2)分数维谱对齿轮点蚀故障的振动信号特征进行分析，结果表明，采用双谱分析性能稳定、灵敏度高，可有效抑制振动信号中的高斯噪声，同时还可以分析比较出故障发展过程中信号相位耦合变化情况，得出比传统频谱、功率谱分析更加明显的齿轮故障特征，从而有效识别齿轮的故障。

摘要： 现代机械设备中，齿轮是一种主要的传动部件.本文主要研究了小波变换中多重小波以及小波包对信号处理的特性，并将其应用到齿轮的故障诊断之中，对微弱机械振动信号进行分析.有效地完成了微弱信号的提取，对故障特征信号进行了时域定位，试验结果表明了该分析方法的有效性.

摘要： 故障齿轮的振动信号具有强背景噪声，非平稳性及非线性等特性.通过多传感器采集齿轮振动信号，采用独立分量分析方法提取齿轮弱特征信号，解决了多传感器信号的信息融合和特征提取问题.从仿真信号及减速机的振动信号分析结果证实，该方法能有效地分离出背景信号以及冲击特征信号.

摘要： 介绍了鸿鹤化工集团公司设备状态监测与故障诊断系统的建立方法,并通过设备状态监测与故障诊断系统在一例设备故障诊断过程中的应用,说明设备状态监测与故障诊断技术在我公司生产管理和设备管理中的可行性和必要性。

摘要： 本文研究了支持向量机在齿轮断裂智能故障诊断中的应用,在特征值提取和数据预处方面作了有益的探讨。时域特征值包括峰峰值、绝对均值、方根幅值,均方幅值,频域特征选择的是均方频率。利用齿轮箱振动信号提取的时域、频域特征值作支持向量机(SVM)故障诊断研究。针对齿轮箱这组振动信号,通过设置一带通滤波器,对原始信号滤波,然后对滤波后的信号作时域、频域特征值提取,通过支持向量机分类,反映了故障的发展趋势,并对分类效果图作了对比研究。事实证明滤波后的诊断效果比滤波前有很大提高。

摘要： 本发明公开了一种训练齿轮箱故障诊断模型方法、齿轮箱故障诊断方法，该训练方法包括：获取齿轮箱所在机电系统中的电机电流信号；根据电流信号计算表征其复杂与突变程度的特征值；根据随机森林算法对特征值筛选，生成样本数据集；根据该数据集对深度强化学习网络模型训练，生成故障诊断模型。本发明提供的训练齿轮箱故障诊断模型方法，仅获取电流信号，无需额外传感器，克服了现有技术中增加硬件的缺陷。通过计算表征电流信号复杂程度和突变程度的特征值并筛选，提取与故障有关的特征数据。将机组运行时获取的电流信号输入生成的深度强化学习网络模型实现齿轮箱故障诊断的方法，能够提高诊断的精度，克服了现有技术中可靠性低、准确性低的缺陷。

摘要： 本发明公开了一种多齿轮系统大型机械齿轮箱故障检测方法，包括以下步骤：步骤一，通过传感器对多齿轮系统大型机械齿轮箱的振动噪声信号进行高采样频率采样，取得原始采样时域信号；步骤二，取得频域信号和采样时域信号；步骤三，取得处理后的最终时域信号；步骤四，对最终时域信号进行傅里叶变换，取得最终频域图像，并对最终频域图像进行分析，找到代表大型机械齿轮箱故障部位的特征调制频率，最终从成百上千个零件中精确找出故障点进行故障零件的维修和更换。本发明能在生产现场快速地对大型故障齿轮箱振动信号进行分析，快速找到故障部位。

摘要： 本发明公开了一种训练齿轮箱故障诊断模型方法、齿轮箱故障诊断方法，该训练方法包括：获取齿轮箱所在机电系统中的电机电流信号；根据电流信号计算表征其复杂与突变程度的特征值；根据随机森林算法对特征值筛选，生成样本数据集；根据该数据集对深度强化学习网络模型训练，生成故障诊断模型。本发明提供的训练齿轮箱故障诊断模型方法，仅获取电流信号，无需额外传感器，克服了现有技术中增加硬件的缺陷。通过计算表征电流信号复杂程度和突变程度的特征值并筛选，提取与故障有关的特征数据。将机组运行时获取的电流信号输入生成的深度强化学习网络模型实现齿轮箱故障诊断的方法，能够提高诊断的精度，克服了现有技术中可靠性低、准确性低的缺陷。

摘要： 本发明公开一种基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统，通过获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；输出所述齿轮箱典型故障，可以用于基于风力发电机组齿轮箱运行过程中的音频数据对齿轮箱故障进行诊断，使得检测的准确性进一步提升。

摘要： 本发明公开了一种齿轮箱齿轮故障自动诊断方法及系统，涉及机械设备状态监测领域，所述方法，包括：获取目标齿轮箱中齿轮轴的振动加速度信号和齿轮轴上齿轮的啮合频率；由振动加速度信号确定齿轮轴的速度谱和包络谱；根据啮合频率和包络谱中能量最大的频率成分确定调制频率标识；根据速度谱、啮合频率和包络谱中能量最大的频率成分计算啮合频率能量占比、边频能量率和边频能量率占比；根据振动加速度信号计算加速度峭度；根据调制频率标识、啮合频率能量占比、边频能量率、边频能量率占比和加速度峭度对目标齿轮箱进行故障诊断。本发明能提高齿轮故障诊断的效率和可靠性。

摘要： 本发明公开一种齿轮故障诊断系统，第一转速检测器设置于齿轮箱输入轴，第二转速检测器设置于齿轮箱输出轴，数据采集卡采集存储转速信号，转速信号通过数据采集卡传递给数据处理器，数据处理器根据转速信号分别计算输入轴转角和输出轴转角，并通过输入轴转角和输出轴转角计算得到动态传递误差；数据分析器得到数据处理器的动态传递误差，对动态传递误差进行时域和频域分析，从而得到故障信息。相对于传统的振动测量方式，其结果更为直接，直接反映输入轴与输出轴的工作状态，测量分析结果更为准确。本发明还公开一种齿轮故障诊断方法，该方法以输入轴转角与输出轴转角为依据，计算得到动态传递误差，减少中间传递过程形成的干扰。

摘要： 本发明公开了一种齿轮故障诊断平台及齿轮故障诊断方法，在该平台上通过模拟齿轮故障采集振动信号，采用改进的局部保持投影算法与贝叶斯分类器结合，通过贝叶斯分类器正确分类率来判断模式识别的效果，通过振动加速度传感器测量齿轮故障的振动信号，先采用主成分分析，然后采用核变换、构造最邻近图、求映射空间等；根据多故障分类下贝叶斯分类器分类识别。与主成分分析、拉普拉斯算法、局部保持投影相比，改进的局部保持投影故障识别率大大提高。改进的局部保持投影算法与贝叶斯分类器结合的故障模式识别方法提高了故障识别率和精确度，提高了齿轮的故障模式识别的效果。本发明结构简单，为齿轮的故障识别提供了一个高精度的诊断平台。

摘要： 本发明公开了一种齿轮箱齿轮故障自动诊断方法及系统，涉及机械设备状态监测领域，所述方法，包括：获取目标齿轮箱中齿轮轴的振动加速度信号和齿轮轴上齿轮的啮合频率；由振动加速度信号确定齿轮轴的速度谱和包络谱；根据啮合频率和包络谱中能量最大的频率成分确定调制频率标识；根据速度谱、啮合频率和包络谱中能量最大的频率成分计算啮合频率能量占比、边频能量率和边频能量率占比；根据振动加速度信号计算加速度峭度；根据调制频率标识、啮合频率能量占比、边频能量率、边频能量率占比和加速度峭度对目标齿轮箱进行故障诊断。本发明能提高齿轮故障诊断的效率和可靠性。

摘要： 本发明公开了一种基于振动传递的齿轮箱齿轮故障程度确定方法，涉及齿轮故障诊断领域，该方法通过研究齿轮对的振动激励的传递机理，通过建模仿真确定轴承滚珠的接触刚度曲线以及不同故障等级下施加在轴承模型的轴承中心的响应力曲线，构建待检测齿轮箱的结构对应的齿轮箱有限元模型后，导入相应的接触刚度曲线和响应力曲线进行仿真实验得到不同故障等级下振动信号的各项数据指标，利用主成分分析方法的思想拟合出趋势曲线，为测试工况下齿轮箱轮齿故障程度的检测提供一个依据，从而可以准确有效的确定齿轮箱齿轮的故障程度。

摘要： 本实用新型公开了一种基于故障齿轮盘的齿轮故障模拟装置，包括设置在箱体开设的通孔中的故障齿轮盘输入组件和故障齿轮盘输出组件；故障齿轮盘输入组件包括第一轴承端盖和固连在第一轴承端盖上的第一轴承座，第一轴承座和第二轴承座上均开设有若干相对应的通孔，若干个高速轴贯穿于第一轴承座和第二轴承座的通孔中；在第一轴承座和第二轴承座之间的若干高速轴上各安装一个缺陷各不相同的待测模拟故障齿轮，每个高速轴伸出第二轴承座的端部还设有一个皮带轮；故障齿轮盘输出组件包括低速轴及安装在低速轴上的低速齿轮；低速齿轮与若干个待测模拟故障齿轮之一啮合。本装置故障齿轮更换方便、操作简单，有效保证了故障信号的精度和可靠性。