基于SVD和线调频小波路径追踪的转速波动齿轮箱故障诊断

合集下载

基于小波包分析和支持向量机的齿轮箱故障诊断方法研究的开题报告

基于小波包分析和支持向量机的齿轮箱故障诊断方法研究的开题报告一、研究背景和意义齿轮箱是机械设备中运转速度较高、负载较大、运动惯量较大的重要部件，其稳定运行一直是工业生产中的关键问题。

齿轮箱的故障诊断技术是保障工业设备正常运行的重要手段之一。

目前，齿轮箱的故障诊断技术已经得到了广泛的应用，然而，由于齿轮箱作为容易出现故障的机械部件，其故障类型多样，故障形态复杂，因此齿轮箱故障诊断技术的提高仍然是工业生产中的研究热点。

传统的齿轮箱故障诊断方法主要基于频域分析和时域分析等信号处理方法，但这些方法往往不能有效地解决故障信号中存在的复杂非线性特征。

近年来，小波包分析（WPA）和支持向量机（SVM）等新兴研究技术被引入到齿轮箱故障诊断领域中，并已经在某些方面取得了优秀的成果。

因此，本研究将探究基于小波包分析和支持向量机的齿轮箱故障诊断方法，以期提高齿轮箱故障诊断的准确性和精度，为齿轮箱故障快速诊断提供有效的技术支持。

二、研究内容和方法本研究的主要研究内容和方法如下：（1）齿轮箱故障特征提取基于小波包分析，提取齿轮箱故障信号的时频域特征，将其转化为小波包系数，对所提取的小波包系数进行滤波和降噪处理。

（2）特征选择和数据预处理基于SVM分类器，选择有效特征，减少特征集的维度，并对所选特征的数据进行预处理。

（3）基于SVM的齿轮箱故障诊断采用多种不同的SVM模型进行特征分类和齿轮箱故障诊断，选择准确率最高的模型完成齿轮箱故障诊断。

三、研究预期成果通过本研究的实施，预计可以达到以下研究成果：（1）建立一种基于小波包分析和支持向量机的齿轮箱故障诊断模型，提高了齿轮箱故障诊断的准确性和精度。

（2）优化了齿轮箱故障特征提取和特征选择方法，提高了数据预处理的能力和效率。

（3）验证了所建立模型的实用性和有效性，拓展了齿轮箱故障诊断技术的研究和应用领域。

四、研究计划及时间安排本研究时间为两年，计划安排如下：（1）第1年11月-第2年6月：研究文献综述，明确研究目标，确定研究策略和方法。

基于相关分析与小波变换的齿轮箱故障诊断

－
）（２牠－牑）牠犼ｄ牠 ∫ 牨（
－牐－∞
牐 ∞ ２
根据多分辨分析理论，如果二进离散小波函数
２构成爧中的标准正交基，则簇｛（）；， ∈ ｝（）犼牠牐牑爲牐，牑对于时变信号有如下的正交分解爥
３～４］析［变换提取信号包络，。通常用ＨｉＨｉｌｂｅｒｔｌｂｅｒｔ变换进行信号包络的原理是让测试信号产生一个
ＹｕａｎＪｉａｓｈｅｎｇＦｅｎｇＺｈｉｈｕａ（）爺牕牏牤牉牜牞牏牠牪牗牊爳牅牏牉牕牅牉牃牕牆爴牉牅牎牕牗牓牗牋牪牗牊爞牎牏牕牃 ﹢ ┈ ┉ ┇ ┉ ，（ＷｈｅｎａｌａｒｇｅｍａｃｈｉｎｅｉｓｗｏｒｋｉｎｇｔｈｅｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏＳＮＲ）ｏｆｉｔｓｖｉｂｒａｔｉｏｎｓｉｇｎａｌｉｓ．Ｔｖｅｒｙｌｏｗａｎｄｔｈｅｆｒｅｑｕｅｎｃｙｏｆｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｇｎａｌｉｓｖｅｒｙｈｉｇｈｈｅｓｉｇｎａｌｉｓｏｖｅｒｗｈｅｌｍｅｄｂｙ，ｓ．Ａｎｓｔｒｏｎｇｂａｃｋｇｒｏｕｎｄｎｏｉｓｅｏｉｔｉｓｄｉｆｆｉｃｕｌｔｔｏｐｉｃｋｉｔｕｐｅｗｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂｙｕｓｉｎｇ．Ｔｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓａｎｄｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｗａｓｉｎｔｒｏｄｕｃｅｄｈｅｃｏｒｒｅｌａｔｉｏｎｆｕｎｃｔｉｏｎｈａｓｂｅｅｎ．Ｔｕｓｅｄｔｏｓｕｐｐｒｅｓｓｔｈｅｎｏｉｓｅａｎｄｔｈｅｗａｖｅｌｅｔｆｏｒｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎａｎａｌｙｓｉｓｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｓｕｐｐｒｅｓｓｉｎｇｎｏｉｓｅａｎｄｒｏｂｕｓｔａｂｉｌｉｔｙｏｆｄｅｔｅｃｔｉｎｇｆａｕｌｔｆｅａｔｕｒｅｂｙｕｓｉｎｇｔｈｉｓｍｅｔｈｏｄｈａｖｅｂｅｅｎ．ｐｒｏｖｅｄｂｙｂｏｔｈｓｉｍｕｌａｔｉｏｎａｎｄｅｘｐｅｒｉｍｅｎｔｓｄｏｎｅｏｎａｇｕｎａｕｔｏｍａｔｏｎｇｅａｒｂｏｘ，Ｆ，Ｃ，Ｗａ ┎┌ ┄ ┇ ┈ Ｇｅａｒｂｏｘａｕｌｔｄｉａｇｎｏｓｉｓｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓｖｅｌｅｔｔｒａｎｓｆｏｒｍ

基于小波―倒频谱的齿轮故障诊断方法及应用

基于小波―倒频谱的齿轮故障诊断方法及应用[摘要]利用振动信号采集到的齿轮故障信息，依据点蚀的故障机理和频谱特征，采用小波分解将信号分解在不同频带，选择故障所处频带重构信号，对故障进行诊断。

结合倒频谱方法有效地识别故障特征频率。

结果表明小波分析与倒频谱相结合是齿轮故障检测中一种有效的诊断方法。

[关键词]齿轮故障小波分析倒频谱中图分类号：S852 文献标识码：A 文章编号：1009-914X （2018）29-0380-011、引言随着现代机械对齿轮传动的要求日益提高，齿轮箱在国民经济生产中发挥越来越重要的作用，因此其故障诊断一直是学者们研究的?岬恪５背萋执嬖诰植抗收鲜保?由于振动产生瞬态的冲击信号，啮合频率及其谐波被调制频率紧紧包围而形成密集边频带，同时由于受噪声的干扰，故障信息往往淹没于强大的噪声中。

这给诊断带来一定的困难。

采用基于傅里叶变换的传统信号处理方法，分别仅从时域或频域给出信号的统计平均结果，无法同时兼顾信号在时域和频域的全貌和局部变化特征，而这些局部化特征恰恰是故障的表征。

解调分析传统的方法包括Hilbert变换和检波解调法，它们形成包络信号进行带通滤波时都需要依靠经验来确定带通滤波器的中心频率和带宽，这在主观上给分析结果带来较大的影响。

由于小波变换具有时频局部化和多分辨特性，从根本上克服了傅里叶分析以单个变量描述信号的缺点，因此小波技术适合于处理非平稳信号[1-3]。

但是小波由于受Heisenberg测不准原理的限制，使其不可能在时域和频域都有很高的分辨率，使得单单采用小波技术对诊断密集边频带准确性和可靠性有一定的局限。

基于小波-倒频谱分析的方法则利用小波多分辨特性，消除背景噪声检测微弱的故障信号，结合倒频谱技术可以分离和提取出密集边频中的故障特征成分，因此是齿轮故障检测中一种有效的诊断方法。

2、小波技术分解原理如果函数满足以下容许条件：称之为二进正交小波变换。

在实际信号处理中，要直接计算（4）是很困难的，根据S.mallat提出的多分辨率分析是计算二进正交小波变换快速数值算法，也称Mallat塔式算法。

基于时域波形和频谱分析的齿轮箱故障诊断

基于时域波形和频谱分析的齿轮箱故障诊断摘要：齿轮箱在风力发电机组传动系统中起着非常重要的作用，但由于风况不稳定、设备装配工艺不达标，整个传动系统的滚动轴承在振动过程中易造成磨损失效。

本文针对某风力发电机组，利用时域波形和频谱分析方法对齿轮箱轴承进行诊断，对工作异常轴承进行振动波形分析，精确诊断故障轴承的故障特征和故障程度，准确提出维护意见，避免机组的大部件损伤。

关键词：振动分析；时域波形；频谱分析；故障诊断Gearbox fault diagnosis based on time domain waveform and spectrum analysisZhou Zhuopin(China Resources Power Wind Energy (Yantai) Company Limited,Yantai 26000,China)Abstract: The gearbox plays a very important role in the transmission system of the wind turbine, but due to unstable wind conditions and equipment assembly process not up to standard, the rolling bearings of the entire transmission system are prone to wear and failure during vibration. This paper uses a time domain waveform and frequency spectrum analysis method to diagnose gearbox bearingsfor a wind turbine, and analyzes vibration waveforms for abnormal bearings, accurately diagnoses the fault characteristics and degree of faulty bearings, and accurately provides maintenance advice to avoid the unit Damage to large parts.Keywords：Vibration ；Time domain waveform； Bearing;Frequency Spectrum Analysis; FaultDiagnosis0引言随着国家大力倡导清洁能源的发展，风力发电已成为发展清洁能源的重要组成部分，截止2019年底，全国风电累计装机2.1亿千瓦，占全国总发电装机容量的10.40%。

应用小波分析诊断减速箱齿轮故障

应用小波分析诊断减速箱齿轮故障摘要:本文介绍了减速箱齿轮引起振动的类型，小波分析的原理，结合工程实践，证实了小波的多分辨特性在故障诊断中的良好效果。

关键词: 减速箱齿轮小波分析0 引言随着时代的发展，现代工业生产设备的大型化、连续化、高速化和自动化特点越来越突出，在带来良好的经济效果的同时，由于其结构日趋复杂，而发生故障而造成的损失却成比例的增加，维修费用也随之大幅度的上升。

另外，某些现代尖端设备或结构一旦发生故障还可能导致重大事故，造成巨大的经济损失，而且会危及人身安全。

工程实践中，要使设备可靠、有效地运行，充分发挥其效益，必须发展工程监测和故障诊断技术。

监测产品运行状态，尽早发现故障，找到故障源，预测发展趋势，尽可能把故障消灭在萌芽状态。

避免不科学的定期维修，最大限度地发挥设备的工作潜力，节约维修开支。

减速箱担负着传递动力和运动的重要使命，是动力机械中应用十分广泛的部件之一，它能否正常工作关系到整个系统的工作性能。

减速箱的工作形式和结构复杂性使得它容易发生故障，特别是轴承和齿轮。

齿轮在运行时，由于制造不良、操作、安装或维护不善，会产生各种形式的故障，导致产生振动、冲击，发出噪音；同时他们也携带了齿轮运行状态信息，因此可以利用振动信号进行故障诊断。

齿轮的故障类型可分两类:第一类为制造和装配不良造成的，如齿形误差、各部分的轴线不对中等；第二类为齿轮在长期运行中形成的，如齿面发生点蚀、胶合、磨损、疲劳剥落或断齿等。

本文介绍应用小波分析诊断减速箱齿轮故障，实践证明这种方法准确、迅速、切实可行。

1 齿轮的主要振动类型及频率特征1.1 齿轮的啮合振动一对齿轮在相互啮合过程中，齿与齿之间的连续冲击作用将使齿轮产生受迫振动。

主要原因是，相互啮合的一对齿轮，其轮齿的弹性刚度会发生周期性的变化。

轮齿弹性刚度的变化使齿的弯曲量也随之变化，便造成轮齿在进出啮合区时发生相碰撞，引起齿轮产生频率等于啮合频率的振动。

任何一对齿轮副，啮合频率为啮合周期的倒数。

齿轮箱振动信号频谱分析与故障诊断

齿轮箱振动信号频谱分析与故障诊断摘要：随着科技的快速发展，齿轮已经成为现代工业中主要的零部件之一，由于齿轮箱传动比是固定的，传动力矩大，结构紧凑，被各种机械设备广泛的应用，成为各种机械的变速传动部件，但是齿轮是诱发机械故障的重要部位，所以对齿轮箱故障诊断是十分必要的，本文基于齿轮箱振动及调制边频带形成机理的分析，提出用谱平均及倒频谱分析相结合的方法，对监测系统输出信号进行频域分析，诊断齿轮箱故障，并分析产生的原因。

关键词：齿轮箱；振动信号；频谱分析；故障诊断一、齿轮传动装置故障基本形式及振动信号特征对于齿轮传动装置来说零件失效的主要表现为齿轮和轴承，而齿轮所占比例很大，所以根据提取的故障信号特征，提出行之有效的诊断方法是十分必要的，这样才能更好地诊断齿轮传动装置的问题所在。

1.齿形误差当齿轮出现齿形误差的时候，频谱产生啮合频率及高次谐波为载波频率，齿轮所在的轴转频及倍频为调制频率的啮合频率调制现象，谱图上在啮合频率及倍频附近会产生幅值比较小的边频带，当齿形误差比较严重的时候，激振能量很大，就会产生固有频率，齿轮所在轴转频及倍频为调制频率的齿轮共振频率调制现象。

2.齿面均匀磨损当齿轮使用以后齿面会出现磨损失效，当磨损的时候，使得轮齿齿形的局部出现改变，箱体振动信号与齿形误差也有很大的不同之处，啮合频率及高次谐波的幅值也会增加，由于齿轮的均匀摩擦，就不会产生冲击振动信号，所以不会出现明显的调制现象。

当摩擦达到一定程度以后，啮合频率及谐波幅值就会增加，而且越来越大，同时振动能量也在增加。

3.箱体共振齿轮传动装置箱体共振是比较严重的问题，这主要是因为受到箱体外的影响，激发箱体的固有频率，导致共振的形成。

4.轴的弯曲轴轻度弯曲就会造纸齿轮齿形误差，形成以啮合频率及倍频为载波频率，如果弯曲轴上有多对齿轮啮合，就会对啮合频率调制，但是谱图上的边带数量少，但是轴向振动能量很大。

当轴严重弯曲的时候，时域会出现冲击振动，这于单个断齿和集中性故障产生的冲击振动有很大的区别，这是一个严重的冲击过程。

基于SVD_和双树复小波包的低速设备故障诊断

Copyright©博看网. All Rights Reserved.
-7-
中国新技术新产品 2022 NO.4（下）
高新技术
在整个奇异值差分谱中必然存在 1 个最大的峰值 ak，这意味奇异值序列在 k 处发生了最大突变，保留前 k 个奇异值，其他奇异值置 0，即可重构出 1 个新的信号，该信号包括原始信号中主要的频率成分。
与传统小波包分解一样，在双数复小波包分解过程中，每分解 1 次，数据量都会减半，分解层数越多，小波包分解系数的长度就会明显下降，从而给长数据的奇异值分解降噪带来可能性，利用奇异值分解对包括故障信息丰富的频带范围内的小波包系数进行降噪处理，然后再进行双数复小波包重构，可以极大地降低该频带范围内的噪声。
aIm(2,3) 2
gg' , 00
aIm(2,2) 2
g,
g'11ຫໍສະໝຸດ gg00 aIm(2,1) 2
aIm(2,1) 2
gg' , 00
虚部树
第一层
aRR (1,2) 2
fifirrstt__11' ' ff11-−11’'
aR (1,1) 2
ff11-−00’'
重
xˆ(t)
构
aIm(1,2) 2
ff22-−11’'
奇异值分解方法在信号降噪和周期成分提取方面具有优越性 [2]。但是对采集到的低速重载设备的信号来说，由于设备转速低，要想采集该信号的低频成分，保证较高的频率分辨率，就需要花费较长的采集时间，因此信号长度一般都很长，受计算机内存的限制，已无法用奇异值分解对这种信号进行降噪。
Rm×m 为 m 行 m 列的实矩阵；∈为集合中的属于；vi 为矩阵 V 中的列向量，每个列向量有 n 个元素，n 个列向量 vi 构成矩阵 V ；Rn×n 为 n 行 n 列的实矩阵；B 为 m 行 n 列的实矩阵，即 B ∈ Rm×n ；σ1，σ2，…，σq 为元素；D 为特征值矩阵。

基于小波变换的齿轮箱故障诊断

基于小波变换的齿轮箱故障诊断【摘要】随着公司的加工设备越来越高精尖，对齿轮传动提出了更高的要求。

本文对齿轮箱故障诊断特点和方法进行分析，并举例介绍了小波变换在齿轮箱故障诊断中的应用。

利用小波变换对齿轮箱工况信号进行分解，重构以及提取细节信号包络谱，快速准确判断出齿轮箱设备运行状态是否异常，并利用BP神经网络进行故障诊断定位，比传统方法更有效。

为公司对齿轮箱故障进行提前预防并保证齿轮箱运行效率，提供科学依据。

【关键词】齿轮箱；故障诊断；小波变换；BP神经网络Abstract：As companies increasingly sophisticated processing equipment, on a higher gear requirements.The thesis analyze the characteristics and the method of gearbox fault diagnosis, and give a example to introduce the application of wavelet transform in gearbox fault diagnosis. The wavelet transform can be used in the gearbox condition signal to decompose and reconstructed as well as extract the detail signal envelope spectrum, the operators can accurately and quickly determine wether the gearbox equipment operation is abnormal, and make use of BP neural network to locate the fault diagnosis. The method is more effective than traditional methods. Gearbox fault for the company in advance to prevent and ensure operational efficiency gearbox, providing a scientific basis.Keywords: gearbox ; ault diagnosis; wavelet transform; BP neural network齿轮箱是机械设备中的关键部件，其质量优劣直接影响整体设备的运行和精度。

基于经验小波变换的机械故障诊断方法研究

基于经验小波变换的机械故障诊断方法研究一、本文概述随着现代工业技术的飞速发展，机械设备在各行各业中发挥着越来越重要的作用。

然而，机械设备在长时间运行过程中，不可避免地会出现各种故障，这不仅影响设备的正常运行，还可能引发严重的安全事故。

因此，对机械设备进行故障诊断，及时发现并处理潜在问题，已成为当前工业领域研究的热点之一。

本文旨在研究基于经验小波变换（Empirical Wavelet Transform，EWT）的机械故障诊断方法。

EWT是一种新型的时频分析方法，能够有效地提取机械设备振动信号中的特征信息，为故障诊断提供有力的支持。

本文首先介绍了EWT的基本原理及其在信号处理中的应用，然后详细阐述了基于EWT的机械故障诊断方法的设计和实现过程，包括信号预处理、特征提取、故障诊断等环节。

通过实验验证了该方法的有效性和可靠性，为机械故障诊断提供了一种新的解决方案。

本文的研究内容不仅具有理论意义，还具有实际应用价值。

通过深入研究EWT在机械故障诊断中的应用，不仅可以推动信号处理技术的发展，还可以为工业设备的维护和管理提供有力支持，提高设备的可靠性和安全性，促进工业生产的持续稳定发展。

二、经验小波变换理论基础经验小波变换（Empirical Wavelet Transform, EWT）是一种自适应的时频分析方法，特别适用于处理非平稳信号，如机械设备在运行过程中产生的振动信号。

EWT克服了传统小波变换中基函数选择困难和非自适应性的问题，通过数据驱动的方式，自动提取信号中的固有模态函数（Intrinsic Mode Functions, IMFs），进而实现信号的有效分解和特征提取。

傅里叶谱分析与滤波：EWT首先对信号进行傅里叶变换，分析其频谱特性。

然后，根据频谱中的峰值点或模态信息，确定所需的IMF 数量。

接着，通过设计相应的带通滤波器，将原始信号分解为若干个频带。

经验尺度函数构造：在每个频带内，EWT构造经验尺度函数，这些函数能够自适应地匹配信号在该频带内的局部特性。

基于小波包分解和SVM的齿轮箱故障诊断

ＳＯＮＧＰｉｎｇ．ＷＥＮＹａｎ．ＴＡＮＪｉｗｅｎ
Hale Waihona Puke （ＱｉｎｇｄａｏＴｅｃｈｎｏｌｏｇｉｃａｌＵｎｉｖｅｒｓｉｔｙ，ＱｉｎｇｄａｏＳｈａｎｄｏｎｇ２６６０３３，Ｃｈｉｎａ）
ｃｈｏｏｓｉｎｇＳＶＭｐａｒａｍｅｔｅｒｓｂｙｒａｎｄｏｍ。Ｔｈｅｅｆｆｅｃｔｏｆｔｈｅｔｗｏｄｉｆｆｅｒｅｎｔｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄｓ（ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍａｎｄｇｒｉｄｓｅａｒｃｈｍｅｔｈｏｄ）ｆｏｒｇｅａｒｂｏｘｆａｕｌｔｄｉａｇｎｏｓｅｏｎＳＶＭｗｅｒｅｃｏｍｐａｒｅｄ．Ｉｔｉｓｓｈｏｗｎｔｈａｔｂｏｔｈｏｆｔｈｅｔｗｏｍｅｔｈｏｄｓｃａｎｇｅｔａｖｅｒｙｇｏｏｄｒｅｃｏｇｎｉｔｉｏｎ
Ａｂｓｔｒａｃｔ：Ｔｈｅｅｉｇｅｎｖａｌｕｅｓｗｅｒｅｅｘｔｒａｃｔｅｄｉｎｄｉｆｆｅｒｅｎｔｓｔａｔｅｓｏｆｇｅａｒｂｏｘｂｙｄｏｉｎｇｗａｖｅｌｅｔｐａｃｋｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎｏｎｉｔｓｖｉｂｒａｔｉｏｎｓｉｇ — ｎａｌｓａｎｄｓｐｅｃｉｉｆｃｆｒｅｑｕｅｎｃｙｒａｎｇｅｓｗｅｒｅｒｅｃｏｎｓｔｒｕｃｔｅｄ，ｔｈｅｎｔｈｅｇｅａｒｂｏｘｆａｕｌｔｄｉａｇｎｏｓｅｓｙｓｔｅｍｗａｓｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎＳＶＭｉｎｐｕｔｗｉｔｈｔｈｅｓｅｅｉｇｅｎｖａｌｕｅｓ．Ｕｓｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍａｎｄｄｓｅａｒｃｈｍｅｔｈｏｄ，ＳＶＭｐａｒａｍｅｔｅｒｓｗｅｒｅｏｐｔｉｍｉｚｅｄｔｏｒｅｆｒａｉｎｆｒｏｍｔｈｅｂｌｉｎｄｎｅｓｓｏｆ

基于线调频小波路径追踪阶比能量解调的齿轮轮齿裂纹故障诊断

基于线调频小波路径追踪阶比能量解调的齿轮轮齿裂纹故障诊断陈向民;于德介;任凌志;皮维【摘要】Aiming at weak and hard to extract fault signals of gear tooth crack under varying rotate speeds,an order energy demodulating approach based on chirplet path pursuit was proposed and applied to the fault diagnosis of gear tooth crack under varying rotate speeds.In the proposed approach,the gear meshing frequency was acquired by chirplet path pursuit,and then the speed signals could be got.According to the speed signals,an even angle sampling was carried onto the raw signals to obtain angular domain stationary signals,then the bandpass filter and angular domain average were used to eliminate the influence of noise.At last,the instantaneous frequency and the instantaneous amplitude could be calculated by an energy operator demodulating,which was used to diagnose the fault of gear tooth crack.Application examples show that the proposed approach is an effective way to extract the fault feature of gear tooth crack under varying rotate speeds.%针对变速下齿轮裂纹故障信号微弱,难以提取这一特点,提出了基于线调频小波路径追踪的阶比能量解调算法,并将其应用于变速下的齿轮裂纹故障诊断。

基于线调频小波路径追踪算法与EEMD的齿轮箱复合故障诊断方法

基于线调频小波路径追踪算法与EEMD的齿轮箱复合故障诊断方法李蓉;于德介;陈向民;刘坚【摘要】Aiming at the problem of extracting fault characteristics from a gearbox with compound faults under a condition of changing rotating speed,a compound fault diagnosis method for gearboxs based on chirplet path pursuit and ensemble empirical mode decomposition (EEMD)was ing the proposed method,the rotating speed was estimated from an original vibration signal with chirplet path pursuit algorithm.In order to transform a time domain signal to an angular domain one,the even angle resampling was performed to the original signal according to the obtained rotating speed.The angular domain resampled signal was decomposed with EEMD,and the suitable intrinsic mode function (IMF)was selected according to the correlation coefficient.The selected IMF was analyzed with Hilbert envelope spectrum and the compound fault diagnosis of the gearbox was executed according to the envelope spectrum.The results obtained with algorithm simulations and application examples of a gearbox with compound faults including gear local faults and bearing local faults under the condition of changing rotating speed showed that the proposed method can effectively extract fault characteristics from a gearbox with compound faults.%针对变转速下的齿轮箱中复合故障的故障特征提取，提出一种基于线调频小波路径追踪算法与集合经验模式分解的齿轮箱复合故障诊断方法。

基于频率切片小波变换的行星齿轮箱故障诊断

基于频率切片小波变换的行星齿轮箱故障诊断毕静伟;潘宏侠;葛航奇;马凌芝【摘要】风电行星齿轮箱主要由太阳轮、行星轮、行星架和内齿圈组成,由于其工作环境比较恶劣,容易产生故障.另外其各部分信号又相互叠加,增大了信号分析的难度.而风电齿轮箱运转又会随外界环境而发生变化,产生的信号具有较强的非平稳性,采用普通时频方法只能简单估测故障发生的大致位置.为了进一步确定设备故障信息,尝试将频率切片小波变换的时频分析方法应用到其故障诊断中.通过对信号的全频能量分析,选择信号故障区间进行细化分析,进而提取信号的时频特征,确定故障具体位置,取得了较好的效果,为风电行星齿轮箱的故障诊断提供了一定依据.【期刊名称】《机械设计与制造》【年(卷),期】2016(000)001【总页数】4页(P29-32)【关键词】行星齿轮箱;故障诊断;频率切片小波变换;特征提取【作者】毕静伟;潘宏侠;葛航奇;马凌芝【作者单位】中北大学机械与动力工程学院,山西太原030051;中北大学机械与动力工程学院,山西太原030051;中北大学机械与动力工程学院,山西太原030051;中北大学机械与动力工程学院,山西太原030051【正文语种】中文【中图分类】TH16;TH113行星齿轮箱是风力发电机系统的重要组成部分，主要由太阳轮、行星轮、行星架和内齿圈组成。

其工作的环境往往比较恶劣，容易使其关键部位发生故障[1]。

同时，行星齿轮箱内部有多对齿轮啮合，其啮合产生的信号会相互叠加，这使得信号分析更加困难[2]。

因此，一种有效的故障诊断方法来提取故障信息是故障诊断的关键步骤。

风电行星齿轮箱的运转工况会随着外界环境的改变而改变，使其产生的信号具有较强的非平稳性，需要有效的选择合适的信号时频分析技术，进行故障特征提取[3]。

常用的时频分析方法包括短时Fourier变换（STET）[4]、小波变换（WT）[5]、Wigner-Ville分布（WVD）[6]等，这些分析方法在故障诊断中都取得了较好的效果，但是它们也都存在自身的局限性。

K-SVD小波降噪在齿轮故障诊断中应用

K-SVD小波降噪在齿轮故障诊断中应用钟也磐;陈卫【摘要】For the large noise disturbance in the early stage gear fault diagnosis, it is difficult to extract the fault features. In this paper, a new method of wavelet denoising method based on K-SVD sparse representation is proposed. This method can overcome the disadvantage of the conventional threshold method that it only deals with the wavelet coefficients one by one but ignores the whole structure of the coefficients. In this method, the wavelet coefficient structure characteristic is sufficiently considered. It has good robustness even in strong noise background. Through the analysis of simulated signals and measured signals of an aero-engine gear hub, the correctness and validity in engineering application of the proposed method are verified.%针对早期齿轮故障诊断中噪声干扰大，故障特征难以提取的问题提出基于K-SVD稀疏表示小波降噪算法。

基于频移及谱线编辑的齿轮故障窄带解调分析方法

基于频移及谱线编辑的齿轮故障窄带解调分析方法刘倩楠;郭瑜;伍星【摘要】通过对旋转机械变速运行齿轮箱振动研究，提出基于频移及谱线编辑的齿轮故障窄带解调分析方法。

对齿轮箱变速等非稳态信号进行时域同步采样，利用阶比跟踪对时域信号等角度重采样转换为角域准平稳信号，克服转速波动对信号分析产生的频率模糊现象；对角域信号进行同步平均削弱与转速无关的频率成分，提高信噪比；对平均信号进行窄带解调分析，通过对阶比谱自动编辑分离出齿轮故障主要啮合阶比分量后恢复到角域信号，进行幅值解调及基于频移的相位解调，据幅值解调及相位解调波形图提取齿轮故障特征。

结果表明，基于频移、谱线编辑的齿轮故障窄带解调分析方法能有效提取齿轮故障特征信息。

%Through analyzing gearbox vibration signals under varying speed conditions of rotating machinery,a method of analyzing gear fault based on narrowband demodulation with frequency shift and spectrum edit was proposed.A time-domain signal was sampled under varying speed condition of gearbox and resampled at constant angle increments with the help of order tracking.The signal was thus converted into a stationary signal in the angle-domain,which can overcome the frequency blur caused by rotating speed fluctuation.Then,the angle-domain signal was processed by signal synchronous average in order to weaken the frequency components irrelevant to speed and to improve the signal to noise ratio.The averaged signal was demodulated and after seperating the main meshing order components of the gear fault from the automatically edited order spectrum,the signal was recovered to the angle-domain signal which wasfurther processed by using amplitude and phase demodulation based on the frequency shift.The fault features of gear were finally extracted in accordance with the demodulated waveform diagrams.The simulations and tests were conducted respectively to verify the validity of the proposed method.【期刊名称】《振动与冲击》【年(卷),期】2015(000)016【总页数】5页(P38-42)【关键词】频移及谱线编辑;窄带解调分析;阶比跟踪;幅值及相位解调;角域同步平均;齿轮故障【作者】刘倩楠;郭瑜;伍星【作者单位】昆明理工大学云南省高校振动与噪声重点实验室，昆明 650500;昆明理工大学云南省高校振动与噪声重点实验室，昆明 650500;昆明理工大学云南省高校振动与噪声重点实验室，昆明 650500【正文语种】中文【中图分类】TH133.33第一作者刘倩楠女,硕士生,1990年6月生通信作者郭瑜男,教授,博士生导师,1971年12月生Gear fault analysis based on narrowband demodulation with frequency shif t and spectrum editKey words:frequency shift and spectrum edit; narrowband demodulation analysis; order tracking; amplitude and phase demodulation; angle synchron ous average; gear fault齿轮为旋转机械传递动力的重要零件及机械故障主要产生因素。

基于非线性短时傅里叶变换阶次跟踪的变速行星齿轮箱故障诊断

基于非线性短时傅里叶变换阶次跟踪的变速行星齿轮箱故障诊断王友仁;王俊;黄海安【摘要】针对变速行星齿轮箱信号频率模糊且受噪声影响的问题,提出了基于非线性短时傅里叶变换(NLSTFT)无键相阶次跟踪与变分模态分解的故障诊断方法.用NLSTFT算法估计信号瞬时频率,对其积分获得瞬时相位曲线,通过重采样得到角域信号;利用NCOGS算法对角域信号降噪,采用VMD算法进行角域信号模态分解,通过各模态分量信号包络谱解调实现故障诊断.实验结果表明,新方法计算效率高、鲁棒性好,提高了变转速行星齿轮箱故障诊断性能.【期刊名称】《中国机械工程》【年(卷),期】2018(029)014【总页数】8页(P1688-1695)【关键词】行星齿轮箱;无键相阶次跟踪;变分模态分解;故障诊断;非线性短时傅里叶变换(NLSTFT)【作者】王友仁;王俊;黄海安【作者单位】南京航空航天大学自动化学院,南京,211106;南京航空航天大学自动化学院,南京,211106;南京航空航天大学自动化学院,南京,211106【正文语种】中文【中图分类】TH1130 引言行星齿轮箱广泛用于直升机主减速器、风力发电机组等。

行星齿轮箱常工作在复杂多变的环境下，其太阳轮、行星轮、齿圈等部件的故障发生概率高、易损坏［1］。

行星齿轮箱发生故障时，振动信号的故障特征微弱、非平稳、有噪声与干扰，不仅受故障、多个传递路径引起的调频、调幅和调相作用，还受到转速变化引起的调制、多个激励振动源之间相互耦合作用，使得传统的信号频谱分析技术难以提取有效故障特征［2］。

变转速下旋转机械振动信号分析主要采用无键相阶次跟踪方法（non⁃bonding phase order tracking method，NPOTT），通过角度域等间隔采样技术将时间域的非平稳信号转化为角度域的平稳或循环平稳信号，消除转速波动带来的频率模糊现象。

李蓉等［3］提出基于线调频小波路径追踪（chirplet path pursuit，CPP）算法［4］与总体平均经验模态分解（ensemble empirical mode decomposi⁃tion，EEMD）的齿轮箱复合故障诊断方法，用CPP算法得到振动信号的转频曲线，对转频信息重采样并进行EEMD分解，获得了变转速齿轮箱复合故障特征，但CPP算法复杂、效率低。

基于VMD-SVD联合降噪和频率切片小波变换的滚动轴承故障特征提取

基于VMD-SVD联合降噪和频率切片小波变换的滚动轴承故障特征提取马增强;张俊甲;张安;阮婉莹【摘要】针对滚动轴承早期故障信息微弱,频率切片小波变换(FSWT)在强背景噪声中提取故障特征的不足,提出变分模态分解(VMD)奇异值分解(SVD)联合降噪与FSWT相结合的故障特征提取方法,首先利用VMD故障信号自适应分解为若干本征模态分量(IMF),通过峭度准则选择包含故障信息最丰富的IMF进行信号重构,其次利用SVD对重构信号进行再次降噪,提高信噪比.最后对降噪信号进行FSWT,凸显故障信号的时频分布信息提取故障特征.仿真信号和实际数据分析结果表明,该方法有效消除了噪声的影响,能够清晰提取故障信号的特征频率,实现滚动轴承故障的精准识别.【期刊名称】《振动与冲击》【年(卷),期】2018(037)017【总页数】8页(P210-217)【关键词】滚动轴承;变模态分解;奇异值分解;频率切片小波变换;故障特征提取【作者】马增强;张俊甲;张安;阮婉莹【作者单位】石家庄铁道大学电气与电子工程学院,石家庄 050043;石家庄铁道大学电气与电子工程学院,石家庄 050043;石家庄铁道大学电气与电子工程学院,石家庄 050043;石家庄铁道大学电气与电子工程学院,石家庄 050043【正文语种】中文【中图分类】TH165+.3滚动轴承作为旋转机械中应用最广的关键零部件，其工作状态直接影响机械系统的运行效率及使用寿命,因此，对轴承的故障诊断有重要意义和应用价值。

时频分析方法能提取振动信号时域和频域的局部信息，在滚动轴承故障诊断中有着广泛的应用。

典型的时频分布有小波变换、短时Fourier变换、Wigner-Ville分布等[1-2]，但是这些方法都存在着各自的局限性，Yan等[3-4]提出了一种新的时频分析方法——频率切片小波变换(Frequency Sliced Wavelet Transform, FSWT)方法。

基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法

基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法王栋璀;丁云飞;朱晨烜;孙佳林【摘要】齿轮箱作为风力机组的核心部件,故障频发,研究风机齿轮箱的故障诊断方法意义重大.针对最近邻(KNN)诊断方法对离群噪声不敏感和诊断精度较低的缺陷,提出了基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法.该方法应用小波包分析技术对故障特征进行提取,利用互近邻准则将故障数据集中的离群噪声点剔除,构建出基于核空间的改进型最近邻分类决策规则来识别齿轮箱的故障类型.试验表明:该方法可以有效地提升故障诊断精度和鲁棒性,为智能诊断技术的研究提供新思路.【期刊名称】《电机与控制应用》【年(卷),期】2019(046)001【总页数】6页(P108-113)【关键词】风机齿轮箱;故障诊断;小波包分析;最近邻;互近邻【作者】王栋璀;丁云飞;朱晨烜;孙佳林【作者单位】上海电机学院电气学院,上海200240;上海电机学院电气学院,上海200240;上海电机学院电气学院,上海200240;上海电气风电公司,上海200241【正文语种】中文【中图分类】TM315;TP290 引言随着风能在清洁能源中的广泛使用，大型风力发电机组的装机容量日趋增长[1-2]，运行故障风险与维护成本也随之增加。

据统计，齿轮箱作为双馈型风力发电机的核心部件，由于长期工作在恶劣的工况条件下，最易发生机械故障，占总故障率的65%[3]，故风机齿轮箱的故障诊断成为热点课题，国内外学者对此做了大量研究。

以傅里叶变换为基础的时频分析[4]早期在实际工程中得到了应用，但其无法满足非平稳、非线性信号的精确分析要求，而小波分析[5]以独有的多尺度特性和局部化特性突破了这一局限，在故障特征提取方面取得了丰硕的研究成果。

卢锦玲等[6]利用小波包分解方法提取风机齿轮箱故障的能量向量，并结合相关向量机成功地实现了风机齿轮箱的多分类故障诊断。

杨明莉等[7]针对风力机齿轮箱故障类型，提出基于多尺度小波分析和希尔伯特变换的实时齿轮箱故障诊断方法，通过分析能量包络谱相应的波形参数值来判定预测故障的类型。

基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法

基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法罗毅;甄立敬【摘要】为实现风电机组齿轮箱及时有效地监测和维护，提出基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法。

该方法针对齿轮裂纹振动信号为转速频率对啮合频率及其倍频调制的特点，利用小波包分解来识别振动信号中的故障特征，通过小波包频带能量监测得到故障部位的啮合频率范围；考虑到倒频谱可以分离和提取难以识别的密集调制信号的周期成分，基于倒频谱识别故障部位的转速频率，综合利用两种频谱分析方法得到的啮合频率和转速频率，能诊断故障部位和类型。

实验研究表明，该方法能精确地诊断齿轮裂纹故障，并可以实现对风电机组齿轮在复杂环境中退化状态的监测，预防断齿等重大故障的发生。

%In order to monitor and maintain a turbine gearbox in time,a method to diagnose turbine gearbox gearcrack based on wavelet packet and cepstrum analysis was proposed.According to the characteristics of gear-crack vibration signals with meshing frequency and its octave modulated by rotating speed frequency,the meshing frequency range of fault positions were obtained through wavelet packet frequency-band energy monitoring.The wavelet packet decomposition was put forward to identify the fault features of the vibration signals.Considering that the cepstrum could be used to separate and extract the periodic components of the dense modulated signals being difficult to identify,and based on that it also could recognize the rotating speed-frequency of fault positions,the type and location of faults were diagnosed using meshing frequency and rotating speed frequency obtained with these two kinds of spectralanalysis methods.The test results showed that the proposed method can be used to diagnose gear-crack faults accurately,and moreover,this method can be applied to monitor the degraded states of wind turbine gears in complex environment and prevent major faults,such as,broken teeth from occurring.【期刊名称】《振动与冲击》【年(卷),期】2015(000)003【总页数】5页(P210-214)【关键词】风电机组齿轮;故障诊断;齿轮裂纹;小波包;倒频谱【作者】罗毅;甄立敬【作者单位】华北电力大学控制与计算机工程学院，北京 102206;华北电力大学控制与计算机工程学院，北京 102206【正文语种】中文【中图分类】TP183第一作者罗毅男，博士，教授，硕士生导师，1969年生Key words:turbine gear; fault diagnosis; wavelet packet; gear-crack; cepstrum齿轮箱是风电机组的关键部件，也是机组中故障发生率最高的部件，故障百分比已超过60%[1]，准确诊断其齿轮裂纹故障，是监测风电机组齿轮箱健康状态，预防断齿等重大故障出现的关键问题。