自适应提升多小波在螺旋伞齿轮故障诊断中的应用_何水龙

合集下载

多源信息融合及其在齿轮泵故障诊断中的应用

多源信息融合及其在齿轮泵故障诊断中的应用
利 用节 点及 其相 互 关 系 和 条 件概 率 表 , 叶斯 网 贝 络 可 以 表 达 网 络 中所 有 节 点 的联 合 概 率 , 一 般 形 其
式 为

() 1
式 中, n为 受 磨 损 齿 面 的 个 数 , 为 齿 轮 泵 的 转 动
P( , 2 … , = H P( l _’ , ) = XlX , X ) X l… X1
树 分析 法 、 人工神 经 网络方 法 、 原理 推 测 推 理法 、 糊 模 数 学方 法相 结合 , 实现 诊断 已有故 障 , 同时将 可 以实现 在线监 测 、 预报未 知故 障 。
6 结束语
验, 以便 在 以后 的工作 过 程 中更加 得 心 应 手 。现 场修 理装 备 的现代 化对我 国建 筑施 工水平 的提 高具有 重要 的意义 , 同时 具有非 常可 观 的经 济效 益 。
频率。
1 2 侧 板磨 损 .
示特征属性间的依赖关系, 没有有 向边连接表示特征 条件 独立 。
( )条件 概率 P。P表示任 意 结 点 同其 父结 点 的 2 条件 依赖 关系 , 对于 离散 变量 , 则它 表现 为给定 其父 结
点状态时该结点取不 同值的条件概率表。没有任何父 结 点 的节点 为其 先验 概率 】 。
齿 轮 泵轮齿 的啮合 面长 时间 承受 啮合 时的摩 擦 和 碰撞 , 易产生 疲劳 点蚀 、 容 剥落 现象 。由磨损 或疲 劳破 坏造成 的齿 向误 差 与齿 形 误 差 , 影 响 载荷 分 布 不 均 会 匀 和 传动 时产 生 冲击 , 还会 产 生 由于 啮 合 不严 而 造 成 的 内泄漏 , 重 时会使 高低 压 区产生 瞬 时贯通 , 严 引起 较 大 的 流量波 动 。齿轮 泵 轴 承 转 动一 周 , 磨 损 的齿 面 受 就 会 发生一 次碰撞 , 生 的振动 频率 f为 产 f c=n, f

小波理论在滚动轴承故障诊断中的应用

小波理论在滚动轴承故障诊断中的应用

ht: ww cS .r. t / p/ w . - ogc -a a
汁 算 机 系 统 应 用
已广泛应 用于信 号及 图像处理 、 语音 处理、数值计算 、 模 式识别 、量子物理 、故障诊 断[等领域 ,被认为是 】 在工具和方法上 的重大突破 。 由基本 小波 或母小波 ( 通过伸缩 a和平移 b产 f ) 生一个 函数族称 { ( ) f 为小波 。有: )
() 原始信号 a () 含噪信号 b
率确定小波最大分解层数 。 2 对细节系数做相关分析 ,阈值选择可用 公式如 )
下描述:
图 l 信号时域 图
分别用上述两种方法对信 号进行消噪 处理 ,实验 结果分别见 图 2a和 图 2b所示 。 () () 可 以看 出,用 小波 消噪对信 号 中的尖 峰和 突变部 分有着很好 的处理 ,而 F T滤波 消噪则不能对 有用信 F
留。因此分解层数 的选 择要使信噪比提 高的同时也要
考虑到对低频 噪声的抑制。小波降噪分 析实质 上是抑
制信号 中的无用成 份,恢复有用成份 的过程 ,因此小
波分解系数要 能够 反映有用 信号中的最小频 率成分 , 将信号分解 到各个 独立的频带上,高层 的细节 系数反
映 了信号 的低频部 分,从而提 出由有用信 号的最小频
3 利用处理后的细节信号和最后一层 的逼近 信号 )
进行重构 ,得到降噪后的信号 。 4 二阶循环统 计量分析 . 2
系数。通常,把 ( ≠ 的频率 称为信号 ( 的循 f 0 ) f )
环频率 。循环 自相关函数与传统相关 函数 的区别是 , 引入因子 e ,使得 相关域分 析拓展到 循环相 关域 - 。 分析 中,这个加权因子 e 被称为循环权重因子。

小波包最大熵谱估计及其在水轮机故障诊断中的应用.

小波包最大熵谱估计及其在水轮机故障诊断中的应用.

小波包-最大熵谱估计及其在水轮机故障诊断中的应用作者:作者单位:刊名:英文刊名:年,卷(期:被引用次数:桂中华,韩凤琴华南理工大学电力学院,广东省,广州市,510640 电力系统自动化 AUTOMATION OF ELECTRIC POWER SYSTEMS 2004,28(2 27次相似文献(10条 1.期刊论文史会轩.李朝晖.刘媛.SHI Hui-xuan.LI Zhao-hui.LIU Yuan 基于小波包频带分析技术的水轮机空化特性研究 -大电机技术2009(1 在详细分析水轮机空化信号特点的基础上,总结了适合于空化信号分析的小波基函数应具有的特点;为避免信号小波包分解的盲目性,文中采用了区间小波包分解方式,即有针对性地对空化信号进行深层次分解.结合水轮机模型空化状态观测结果,对相应状态下监测的空化超声波信号进行小波包时频分布特性和频带能量分布特性分析,得出了水轮机空化超声波时域信号幅值调制特性和频域能量分布随空化系数变化的关系,验证了小波包频带分析技术对水轮机空化信号分析的有效性. 2.学位论文桂中华水轮机故障智能诊断及振动数字化预测研究 2005 随着我国水电事业的快速发展,水轮机组容量逐步增大,一旦发生事故,将造成巨大的经济损失。

水轮机故障诊断与振动预测有助于降低机组事故率,减少经济损失,为机组的安全运行提供技术保障。

本文在系统总结这一领域研究现状的基础上,从水轮机振动与稳定性出发,重点研究了尾水管涡带智能诊断方法和尾水管压力脉动CFD(ComputationalFluidDynamics数字化预测方法,最后开发了水轮机状态监测与诊断系统。

本研究的主要成果包括以下三部分:第一部分是关于水轮机智能诊断方法的研究。

(1在小流量工况下,混流式水轮机尾水管内易产生偏心涡带,降低机组效率,严重威胁机组运行的稳定性。

为了能准确识别涡带,本文综合小波包时频局部化分析能力和最大熵谱估计的频谱细化优点,提出了一种新的谱分析方法:小波包-最大熵谱估计法,并运用此法从偏工况水机轴摆度信号中,提取了微弱的涡带特征频率,证明了其准确识别尾水管涡带的能力。

一种基于提升小波变换的故障特征提取方法及其应用

一种基于提升小波变换的故障特征提取方法及其应用
维普资讯
振 动
第2 6卷第 2期

冲 击
j U N L OFVI R T O N HO K o R A B A IN A D S C

种 基 于提 升 小 波变 换 的故 障特征 提 取 方 法及 其应 用
段晨东 , 何 正嘉
弱, 其特征被淹没在背景信 号中, 传统的信号处理方法 难 以分 离 , 使其 不能 被及 时 发现 和 排 除 , 最终 演 变 为严 重故障, 影响系统的运行 。工程实践表明: 不同类型的 机械故障在动态信 号中会 表现 出不 同的特征波形 , 对 于以信号展开或变换 理论 为基础 的特征提取方法 , 一
( .长 安大学建 筑工 程学 院 , 1 西安 西安 7 0 6 ; 西安交通大学机械工程学院 , 10 12 70 4 ) 10 9
摘 要 为了实现旋转机械的早期故障诊断和预示 , 提出一种采用滑动窗提取瞬态冲击故障特征的方法。该方法
以提升小波变换为基础 , 采用提升模式构造具有 冲击特征 的小波 , 用来获取振动信号中的冲击故 障特征。然后 , 采用一种 基于 回转周期 的滑动窗处理小波分解 的细节信号 , 提取 每个 滑动 窗的模最 大值作 为故 障的时域特 征。该方法在转子早期 碰摩故 障和齿轮箱滑动轴承 的轴瓦损坏故 障的应用 中取得 了较满意 的效果 。
序列 X ={ ( )k Z} o k , ∈ 和偶样本序列 ={。 k , ( )k ∈ }其中 ( ) Z , k 为奇样本 ,。k 为偶样本 (+1
k ∈Z k ∈Z
() 1 () 2

( ) ( k k =x 2 )
个 重要 的 问题是基 函数 的选 择要 与 被提 取 的特征 相 匹 配 ] 。小 波 理论提 供 了不 同特 性 的 、 丰富 的基 函数 , 使 我们 可 以对某个 特定 的问题 选择 合 适 的 基 函数 以获 得

自适应多小波基函数构造与机械故障诊断应用研究

自适应多小波基函数构造与机械故障诊断应用研究

d 和 e 均为非零常数。 式( 10 ) 中, 参数 c , 某炼油厂重油催化裂化装置由烟机 、 风机、 齿轮 箱、 电 机 组 成, 结 构 如 图 1 所 示。 机 组 转 速 为 5 850 r / min ( 转频为 97. 656 Hz ) ; 齿轮箱传动比为 5 745 /1 484 , 低速轴转频为 25. 22 Hz。 监测系统采 用电涡流传感器对烟机 1 # 瓦、 烟机 2 # 瓦、 风机 3 # 瓦、 风机4#瓦和齿轮箱 5#瓦的垂直和水平方向共 10 个测点进行实时监测。采样频率为 2 kHz。 采集齿轮箱 5#瓦的振动信号, 利用两尺度相似 变换自适应构造多小波基函数, 分析结果如图 2 所 示 。图 2 中 , 每两个冲击 I2 和一个幅值较大冲击的 I1 交替出现。冲击 I2 之间的平均间隔约为 0. 01 s, 与机组高速轴转频接近。 而冲击 I1 的时间间隔约 刚好对应于高速轴转频的 1 /3 。 等于冲击 I2 的 3 倍, 该 1 /3 次谐波成分说明机组存在碰摩故障 。经现场 验证, 该碰摩是由于压缩机与齿轮箱之间的膜片式 [7 ] 离合器因补偿对中不良而引起的错动所致 。
们的内积定义为
〈x( t) , y( t) 〉 =

∞ -∞
x( t) y * ( t) dt
( 1)
y * ( t) 是 y( t) 的共轭。设一个 Ψ 域中的 式( 1 ) 中, 信号 x 可以表示为以下展开形式: x =
Σ n
an ψn
( 2)
其中,{ ψ n }n∈Z 是 Ψ 域 中 的 基 本 函 数 集。 如 果
{ψ }
n n∈ Z
{
Φ j -1, n = Ψ j -1, n =
〈Φ j -1, Φ j, Φ j, Σ n, k〉 k k Z

AAAA基于自适应提升小波包的故障微弱信号特征早期识别

AAAA基于自适应提升小波包的故障微弱信号特征早期识别
X o = {x 2k + 1 , k ∈ Z} k 为子序列 X e 和 X o 中的样本序号。
i = 1, 2, …, N ; j = 1, 2, …, N ( 18) 设 Q = {Q k , - N - N + 2 ≤ k ≤ N + N 2}, Q 与 S、 G 的关系用下式表示
X ( lX ( lX ( l1) 2 1) 2
l- 1 l- 1
( 22)
N 和 N 分别为提升小波包算子 S 和 G 系数的 个数。 312 基于信号相关性的提升小波包算子自适应选 择 为有效识别隐藏在振动信号中的微弱故障特征 信息, 本文以自相关系数作为目标函数, 通过判断分 解层信号相邻样本点自相关系数的大小, 自适应选 择匹配信号特征的提升小波包算子 S 和 G 系数的个 数。
G 通过下式得到 WQ = 0
= X ( l-
1) 2 l- 1o
- S (X ( l1)
)
( 7) ( 8)
X l2 l = X ( l -
1) 2 l- 1 e
+ G (X l (2 l-
)
式中, S 和 G 为提升小波包算子。 ( 3) 提升小波包重构过程是将待重构频带信号 保留, 而将其它频带信号置零, 然后按照以下各式进 行重构: ( 9) X ( l- 1) 2 l- 1e = X l2 l - G (X l (2 l- 1) )
收稿日期: 2007201212 基金项目: 国家自然科学基金 ( 50675178、 60472116) 、 中国博士后基金 ( 20060401010) 、 航天科技创新基金 (CA SC0412) 和西北工业大学青年科技创新基金资助 作者简介: 姜洪开 ( 1972- ) , 西北工业大学博士后, 主要从事飞行器健康监控与第 2 代小波构造理论研究。 © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved.

小波分析在变速器齿轮故障诊断中的应用

小波分析在变速器齿轮故障诊断中的应用
优越性 。这 主要 表现 在小 波分 析 同时具 有较 好 的时
域特性 和 频域 特性 .在低 频部 分具 有较 高 的频率 分 辨率 和较低 的时 间分辨 率 。在高 频部分 具有 较高 的 时 间分 辨率 和较低 的频 率分 辨率 。很适 合 于探测 正
( b∈R; ≠0) n, n
满 容 性 件 f I d ∞ 称 一 基 足 许 条 c JR上I【 w 时,为 个 < ‘ ( ,
小 波或母小 波 ( te vlt。将 母小 波 函数 ( Mo r h Waee) , _) t
经 伸缩 和平移 后得 :

号 的特 征提 取方 面具 有传统 傅 立叶 分析无 可 比拟 的
齿 轮传 动 是机 械动 力传 输 的常 用方 法 ,广泛 应 用 于各部 门 。齿 轮运行 状态 的优 劣不 仅影 响动 力传 输 的效率 。 而且影 响设 备 的正常 工作 。 以往 对这 些 汽 车 变速 器振 动信 号 的处 理采 用 的方法 是基 于F u e or r i
变 换 的基 础 上 的 由于F u e变换 使 用 的是全 局 的 or r i
/w / ww. m ̄s f r .o s p r l r r /o f d mse r / o t ec m/u p t b a yc n / a / u o wa o ] i a 2 0 / a es f 0 2 p p r . m. c
常信号 中夹 带 的瞬态 反常 现象并 展示 其部 分 ,所 以 被誉 为 分析 信 号 的“ 微 镜 ” 利用 连 续 小波 变 换 进 显 . 行动 态 系统故 障检 测 和诊 断 具有 良好 的效果 。本 文 根据 变速 器振 动信 号非 平稳 特性 。利 用小 波分析 对 变 速器齿 轮故 障进 行诊 断 。

自适应提升多小波在螺旋伞齿轮故障诊断中的应用

自适应提升多小波在螺旋伞齿轮故障诊断中的应用
U n i v e r s i t y, X i ’ a n 7 1 0 0 4 9, C h i n a;2 . T e c h n o l o g y C e n t e r , C N PC L o g gi n g C o ., L t d ., Xi ’ a n 7 1 0 0 7 7
( J . S t a t e K e y L a b o r a t o r y f o r Ma n u f a c t u r i n g S y s t e m s E n g i n e e r i n g , S c h o o l o fMe c h a n i c a l E n g i ee n r i n g . X i ’ a n J i a o t o n g
He S h u i l h i g u o ’

C h a n g Y o n g ,H e Z h e n g j i a , Wa n g X i a o d o n g
C h i n a )
第3 5卷 第 1 期 2 0 1 4年 1 月
仪 器 仪 表 学 报
C h i n e s e J o u r n a l o f S c i e n t i f i c I n s t r u me n t
V o 1 . 3 5 No . 1
J a n .2 0 1 4
要: 螺旋伞齿轮能改变动力 的传递方 向 , 工程上得到 了广泛 的应用 , 因此 对其 进行 故障诊 断具有 重要 的意义 ; 然而, 重合 度
大和调幅调频的特性大大增加 了特征提取的难度 。多小波具有多重 小波基 函数 和许 多优 良特 性 , 近来被广泛 运用于旋转 机械
的故 障诊断 。首先用对称提升构造 自适应 的多小波 , 并对信号进行 分解 ; 其次, 选择 敏感特征频 带进行重构 ; 最后 , 通过 希尔 伯特变换解调 出特征频率 。以实验台中模拟的螺旋伞齿轮断齿和擦伤故 障为例 , 验证 了该方 法的有效性 。 关键词 : 螺旋伞齿轮 ; 自适应多小波 ; 信 号重构 ; 希尔伯特变换

西华人学硕士学位论文喉口直径转轮...

西华人学硕士学位论文喉口直径转轮...

'西举大学工程硕士研究生学位论文(杨洪忠)摘要映秀湾电站缀予四J{|省醐操少f{汶川县蠖内,建成予1972年5尉,装机容量135MW。

受当时技术水平和制造能力韵限制爨邑遴嚣了32年,羧捷囊蘩存在戆露遂主葵蠢瘩轮蔽熊爨撂撂低、窝纯靛麓蕊、运行藏交窄、稳定碍靠程麓、大罄瘸潮短等,及越溅零郝转黪镳烀重、主辍密封潺农阉簇突爨、轴承灏浊等主要阏题。

这些翊题已缀严重她威胁到枧缀釉奄蛄静安全坐产霸经济运行,掰致辩该窀站求轮枫遴行技术敬遣,提赢箕经能手瞽标和遴行稳定性已势在必行。

本课瓣是在不液交蔽秀湾魄螭琢寄承耱飙埋入豁搏萃耩水轮辍额定转速翁蘸鬟下,露零轮褪黢逡裾霹籍热,及辩竣逢懿安辘方案进行可操作性分析研究。

在对映秀湾电站水轮机运行中移在的问题避行了深入研究后,提出以二滩转轮为基础进行改型设计的技零教遥方案。

程承轮瓿静转邃秘堙入帮移不变瓣情汉下,考薅瓣零轮辊避滚都捧豹辍裁、霆承位、运嚣中鹣空镰与嚣沙薅按、水轮枧的水力稳定燃等多:}嘻l制约困索,明确麟低改造水轮机的最优单位流量,提赢皴个运行范躺内的水力效辫和运行稳定性为改凌霹豁。

蓄先逶过定性懿势誊亍,确定骏篱蠹萼l避熬优秀转耱~“二滩”转辘为基确,鸯虑电站实际流道狠稍和新改造转轮静瓣标要求,浆用现l弋先进的设诗方法秽没诗手段对转轮避行改型。

在姥蒸磷上援爨了秘套泼遽方寰,帮;◇哭泼造转轮方豢鼗②溺辩改造导水机构中活动鼯nl‘和转轮方案。

根据殃瓣湾电站实际W能的运行工况范围,确激了14个典麓工况点迸彳亍数值模拟研究分析i摘要针对上述两个方案分别进行14个热型工况点的众流道三维粘性流场数植模拟和效率预测,分析各工况的各过流部件流场情况,及改造夔激转轮与琢蠢不改造遥滚郝{孛匏莲配壤援。

逶曼圭滚场数毽模拟分析计算,验证了两套设计方案是切实可行的。

综合考虑电站的实际运行范围和有关的技术经济指标,搬襻同时改造工况导本捉构中活动导时翻转轮方案爻簸捷方案。

该方寨在大流量憨工况下可掇高水力效率5%,在实际逡行工况期间掰醴提高平翰出力1500’1800KW,可大大提高电站发电经济效益。

小波神经理论在风力机齿轮箱故障诊断系统中的应用

小波神经理论在风力机齿轮箱故障诊断系统中的应用
如下 :
频带 的能量 作 为输 入 神经 网络 的特 征 向量 。
文中分析齿轮箱振动信号诊 断其故障 , 以齿
轮 的 3种典 型 状 态 : 常 、 轮磨 损 、 轮 断齿 为 正 齿 齿
曲等 ;
( ) 承 故 障 : 承 内外 圈 磨 损 , 动 体 磨 2轴 轴 滚 损等。
频带能量的变化来提取故障特征 , 频带能量可 以 由小波包分解系数来求取 , 具体步骤 : () 1 利用 d 小波对采集来 的信号 s t进行 b ()
3层小 波包分 解 , 别提取 第 3层 从低 频到 高频 8 分 个 频率成 分 的信号 特征 。 ( ) 小 波 包 分 解 系 数 重 构 , 取 各 频 带 范 2对 提 围 的信号 特征 。
2 2 小波 包能 量特征提 取 的方法 .
征, 为实现智 能诊断提供故 障特征值。应用 B P 神经网络进行故障识别 , 并采用 Lb IW 和 m t aV E a -
lb软件予 以实 现 。结 果表 明 , a 该方 法 能有效 提高 风力发 电机 组齿轮 箱故 障诊 断的准 确性 ¨ 。
齿轮箱的振 动信号中含有丰富的频 率成分 ,
小波包分解能够为信号提供一种更精细的分析方 法, 通过对频带进行多层次划分 , 使多分辨分析中 没有细分的高频部分得到进一步分解 。故障信号 与正常信号相 比, 同频带 内信号的能量差别较 相 大。在各频率成分信 号 中包含着丰富 的故 障信 息, 利用小波包分解能够对振动信号进行精确细 分, 提取信号 的特征向量 。 假设原始信号 X t中, () 最低频率成分 为 0 最 ,
g a b x fu td a n sssg as,a d srk s t n r f fe q n y b n r u h t e c e ce t o e r o a l ig o i i l n n ti e he e e g o r — ue c a d t o g o f in f y h h i wa e e a k t an he fu tc a a t rsis fo v ro ha g s i t e e r y o a h  ̄e u n y v ltp c e ,g i s t a l h r ce t r m a us c n e n neg f e c i c i h q e c

小波分析在旋转机械故障诊断中的应用

小波分析在旋转机械故障诊断中的应用

为 了进 一 步 推 广 二 尺 度 方 程 , 定义 下列 的递 推 关 系 :
i= J 固
J +
f2) = w( ∑^  ̄t ) f 。 (一 2 w
+, L
() 5
式 中 :j 从 一 o U o 的整 数 ,j 越 小 空 间越 大 ,当 j 4 是 o ̄+o 值 =
下 面把 尺 度 子 空 间 和 小 波 子 空 间 用 一 个 新 的子 空 问 统 一起 来表 示 , 令 : o , : , ∈z , ib r 若 :  ̄H l e t
推 下 去 ’得
函数 空 间正 交 分 解 可 表 示 为 :
I = = 。 0 { .U+ . = ,0 4 2 【 U 。 s0 6
时 ,如 图 1 示 。 所
(: ∑^ .t后 f ) (一) u2
ke Z
当 =0时 , ( : f, ( = f。 由 以上 可 知 , 小 波 f ( f ( ) ) ) )
函 数集合{ f(e ) (} 就是包括尺度函数以 ) z 及小 波母函 数在
I : = 。u 0 { = 0 : : : … 0 0 0
() 7
I = 0 。… 。 0。 …
小 波 空 间分解 的子空 间序 列 可 以写成 【 :, m: 1… 2 —l; , 0,

k=l2… ; J=12… 。子 空 间 对 应 得 规 范 正 交 基 为 ,, ,,
【 键 词 】 小波 包分 析 ;旋 转 机 械 故 障 ; 目标 处理 关 【 中图 分 类 号 】T 2 6 P0 【 献 标 识 码 】A 文 【 章 编 号 】 10 —15 (000 — 19 0 文 0 8 1 1 1)3 0 0 ~ 2 2

基于第2代小波和Hilbert—Huang变换的轴承故障诊断

基于第2代小波和Hilbert—Huang变换的轴承故障诊断

在 滚动 轴 承 运 转 过 程 中 , 于设 备 运 行 不 稳 由 定、 载荷 变化 等多 种 因素 , 采集 的振 动信 号 往往 所 伴 随着 大量 噪声 , 且有 用信 号 易 被 噪声 淹 没 , 造成 信 号分 析 的不 准确 … 。因此 , 获得 正 确 的信 息 , 为 须 对振 动信 号进行 消 噪 。传 统 的消 噪 方法 效 率低 且 信息 获取 不 全 , 2代 小 波 变 换 是 一 种 柔 性 的 第 变 换方 法 , 不再 依赖 于有 限 的几 种小 波 基 函数 , 其 可采用 插值 细 分 法 构 造 新 的小 波 , 有 的运 算 均 所 在 时 域 进 行 , 有 原 理 清 晰 、 法 效 率 高 等 优 具 算 势 。而 在第 2代小 波基 础 上发 展 的 自适 应 冗余
信号的频率折叠 , 且更 新在预测 之后 进行 易导致
更新 器 的计 算趋 于 复杂 。冗 余第 2代小 波变 换不 再进行 分 裂 与合 成 操 作 , 同分 解 层 上 的冗 余 预 不 测器 和冗余 更 新 器 通 过 插 值 运 算 构 造 , 能够 直 接
d= P( 。 X 一 X ) () 2
在第 2代 小 波 理论 中 , 测误 差 d即为 小 波 预 系 数 , 于 高频分 量 。 对应 更新 使得 子样本 维 持原 始 数据 的某 些整 体 特 性, 具体 过程 为 由预 测误 差 d通 过 更 新 器 与偶 数样 本序 列 叠加来 计算 近似样 本 序列 ,
Ab t a t h a l d a n s c meh d f rrl n e rn si u o w r a e n s c n e ea in w v lta d Hi sr c :T e fu t ig o t t o o o l g b a i g sp t r a d b s d o e o d g n r t a ee n l i i f o - b r —Hu n rn fr T e s l —a a t er d n a t e o d g n r t n w v lt sf s a pi d t e r a et e n ie o et a g T a som. h ef d p i e u d n c n e e ai a ee rt p l d c e s h o s f v s o ii e o vb ain sg as a d i u e ir y i v i ae y smu ain e p r n s T e h e os d sg a s a ay e y i rt in l n t s p r i s a d td b i l t x e me t . h n t e d n ie i n i n lz d b o s ot l o i l HHT, e sg a sd c mp s d it e is o MF y u ig E t in i e o o e n o a s r fI s b sn MD a d t e Hi e t rg n l p cr m flw f q e c h l e n h l r ma i a e t b s u o r u n y o e c mp n n s i ma e t xr c h h r ce sis o a l sg as T e smu a in a d e p r n e u t s o h tt e o o et s d o e t tte c a a tr t ffu t i l . h i lt n x e me tr s l h w ta h a i c n o i s me h d i ef ci e a d p a t a . t o s f t n rc i1 e v c Ke r s ol g b a i g f utd a n ss s c n e ea in wa ee ; y wo d :rl n e rn ;a l i g o i ; e o d g n rt v l t HHT i o

基于提升小波与RLS的涡轮泵故障检测方法

基于提升小波与RLS的涡轮泵故障检测方法
第1 9卷
2 0 1 3年
第 5期1 . 1 9 N o . 5
S e p. 2 01 3
Ma nn e d Sp a c e f l i g h t
基于提 升小波 与 R L S的涡 轮 泵 故 障 检 测 方法
钟 福利 ,李 辉
( 电子科技大学航空航 天学 院 , 成都 6 1 1 7 3 1 )
A Fa ul t De t e c t i o n Me t h o d f o r Tu r bo p u mp
Ba s e d o n Li f t i ng W a v e l e t a n d RLS
Zh o n g Fu l i ,L i Hu i
me a n — s q u a r e s e q u e n c e w a s i f l t e r e d b y R L S( r e c u r s i v e l e a s t s q u a r e s a l g o r i t h m) , t h e r a t i o s b e t w e e n
t h e f a u l t f e a t u r e p o i n t a n d t h e me a n v a l u e o f i t s n e i g h bo r i ng l o c a l f e a t u r e p o i n t s we r e c a l c u l a t e d.T he f a i l ur e o f t u r b o p u mp wa s i d e n t i ie f d a c c o r d i n g t o t h e c h a n g e s o f t h e r a t i o wi t h t h e g i v e n f a u l t d i s c r i mi — n a t i o n me t h o d a t l a s t .Th i s me t ho d wa s v e r i ie f d by u s i n g v i b r a t i o n a c c e l e r a t i o n s i g na l s o f a c e r t a i n t y p e o f t u r b o p u mp t o s i mu l a t e t h e p r o c e s s o f c o mmi s s i o n i n g .Th e r e s u l t s i n d i c a t e d t ha t t h e a l g o r i t h m p r e s e n t e d i n t hi s p a p e r c o u l d e f f e c t i v e l y de t e c t t h e f a i l u r e o f t u r b o p ump wi t h g o o d p e r f o r ma n c e,r e a l —

螺旋锥齿轮数控铣齿加工的电子齿轮箱设计

螺旋锥齿轮数控铣齿加工的电子齿轮箱设计

第23卷第1期重庆科技学院学报(自然科学版)2021年2月螺旋锥齿轮数控铳齿加工的电子齿轮箱设计何晓凤(安徽机电职业技术学院机械工程学院,安徽芜湖241000)摘要:螺旋锥齿轮是结构和形状很复杂的传动元件。

针对数控系统在螺旋锥齿轮数控铳齿加工方面存在的问题,通过分析螺旋锥齿轮加工方法和铳齿加工中轴的运动关系,设计了一种适应螺旋锥齿轮数控铳齿加工的电子齿轮箱'介绍了电子齿轮箱的结构、控制加工原理和硬件平台设计,以及以刀倾法加工小轮并对加工质量进行检测的情况。

加工试验与质量检测结果表明,采用设计的电子齿轮箱控制准双曲面螺旋锥齿轮小轮加工,能够实现设计的精度要求。

关键词:螺旋锥齿轮;数控铳齿;电子齿轮箱;加工精度中图分类号:TG547文献标识码:A文章编号:1673-1980(2021)01-0054-04螺旋锥齿轮的承载能力强、传动效率高、传动比稳定、噪音小、耐磨损、寿命长,而且其结构紧凑,节能省料,节省安装空间,因此应用广泛。

根据齿面节线的不同,螺旋锥齿轮可分为圆弧齿锥齿轮、延伸外摆线齿锥齿轮、锥渐开线齿锥齿轮等;根据其齿高来划分,则有等高制和收缩制等类型。

与圆柱齿轮和其他圆锥齿轮相比,螺旋锥齿轮的结构更为复杂,因此其加工难度也更大。

国际上通用的齿制有美国的Gleeson(格里森)制、瑞士的Oerlikon(奥利康)制和德国的IKingelnberg(克林贝格)制。

在螺旋锥齿轮的数控铳齿机方面,目前仍以Gleason数控系统和德国Siemens!西门子)数控系统为主导。

我国自主研发的螺旋锥齿轮铳齿机床,机械本体部分与Oerik kon机床类似,数控系统则以Siemens系统为主。

在数控系统开发方面,影响螺旋锥齿轮加工精度的主要是电子齿轮箱技术。

本次研究,针对奇瑞汽车上使用的螺旋锥齿轮加工问题,设计了一种电子齿轮箱。

1关于螺旋锥齿轮的加工方法齿轮的加工方式主要有滚、插、铳、刨、剃、磨、研及压力成形等。

小波分析技术在故障诊断中的应用

小波分析技术在故障诊断中的应用

小波分析技术在故障诊断中的应用
周小勇;叶银忠
【期刊名称】《上海海事大学学报》
【年(卷),期】2001(022)003
【摘要】小波分析是20世纪80年代中期发展起来的新的数学理论和方法,并已在实践中得到了广泛应用.本文对小波分析、小波分析与神经网络相结合的小波网络及小波分析与模式识别相结合在故障诊断中的应用进行了详细的介绍,最后指出了这一领域有待进一步研究的问题和发展趋势.
【总页数】5页(P116-119,126)
【作者】周小勇;叶银忠
【作者单位】上海海运学院;上海海运学院
【正文语种】中文
【中图分类】O236;TP206.3
【相关文献】
1.小波分析和神经网络技术在故障诊断中的应用 [J], 王计生;黄惟公;喻俊馨
2.小波分析技术在汽轮机故障诊断中的应用 [J], 李功文
3.小波分析技术在汽轮机故障诊断中的应用 [J], 牛培峰;张君
4.小波分析神经网络技术在故障诊断中的应用 [J], 陈佳
5.小波分析技术在汽轮机故障诊断中的应用研究 [J], 牛培峰;张君;邹刚
因版权原因,仅展示原文概要,查看原文内容请购买。

基于小波包能量谱和Hilbert包络分析的行星齿轮故障诊断

基于小波包能量谱和Hilbert包络分析的行星齿轮故障诊断

基于小波包能量谱和Hilbert包络分析的行星齿轮故障诊断曹展;王细洋;李耀祖【摘要】行星齿轮啮合振动信号噪声干扰大,难以诊断齿轮的故障.提出一种基于扭转振动信号的行星齿轮故障诊断方法.结合小波包能量谱和Hilbert包络分析用于轴系扭转振动信号进行识别行星齿轮的早期故障.将这种方法应用于行星齿轮箱在行星齿轮磨损和行星齿轮出现断齿故障状态下采集到的实际故障行星齿轮扭转振动信号,发现这种方法能识别两种状态下的行星齿轮故障特征.将小波包能量谱和Hilbert包络分析应用于两种故障状态下的横向振动信号,发现行星齿轮磨损故障不能准确识别.实验结果表明新方法对行星齿轮早期故障的识别更敏感、准确.【期刊名称】《制造业自动化》【年(卷),期】2017(039)011【总页数】7页(P82-88)【关键词】振动信号;扭转振动信号;小波包能量谱;包络分析【作者】曹展;王细洋;李耀祖【作者单位】南昌航空大学航空制造工程学院,南昌 330063;南昌航空大学飞行器工程学院,南昌 330063;南昌航空大学航空制造工程学院,南昌 330063【正文语种】中文【中图分类】TH132.40 引言行星齿轮传动有很多的优点。

例如结构紧凑、尺寸小、重量轻、传动比大,因此被广泛的应用于风力发电机、航空器、机床等产品中。

尽管有这些优点,恶劣的运行工作状态如重载、强烈的冲击载荷,可能导致齿轮磨损、齿轮断齿等常见故障经常发生在行星齿轮箱[1,2]。

齿轮的损坏可能导致不良的动态特性,造成整个传动系统故障和重大损失。

因此,对行星齿轮箱早期故障的识别是机械故障领域中的一个重要课题。

在对行星齿轮箱横向振动信号齿轮故障特征识别中,小波分析方法取得了良好的故障特征识别效果。

近年来在信号处理等领域中,小波包能量谱和包络分析得到了广泛的应用。

王子玉等[3]将共振解调与小波分析方法相结合的方法应用于轴承故障特征提取,对轴承的外圈故障特征频率的识别非常明显。

基于自适应超螺旋观测器的空间机械臂鲁棒故障诊断

基于自适应超螺旋观测器的空间机械臂鲁棒故障诊断

基于自适应超螺旋观测器的空间机械臂鲁棒故障诊断
高升;张海龙;张伟;孔维国
【期刊名称】《系统工程与电子技术》
【年(卷),期】2024(46)4
【摘要】针对空间机械臂系统执行器鲁棒故障诊断问题,提出一种基于改进的自适应超螺旋观测器故障诊断方法。

为抑制复杂空间环境引起的外部干扰对故障诊断结果的影响,在经典超螺旋观测器的基础上引入观测器参数自适应调整算法,同时解决观测器参数过估计问题与噪声扩展问题。

此外,引入小于1的分数幂和线性比例项来提高观测器的平滑性和快速性,进一步改善故障诊断效果。

基于Moreno-Lyapunov函数算法分析了观测器的有限时间稳定性,证明了观测器的估计误差可以在有限时间内收敛至包含原点的邻域内,提出残差生成方法并设计了基于自适应阈值的故障诊断策略。

最后,结合小行星采样空间三连杆机械臂算例,通过仿真验证了所提方法的有效性。

【总页数】10页(P1287-1296)
【作者】高升;张海龙;张伟;孔维国
【作者单位】中国科学院沈阳自动化研究所机器人学国家重点实验室;中国科学院机器人与智能制造创新研究院;航天器在轨故障诊断与维修重点实验室
【正文语种】中文
【中图分类】TP277
【相关文献】
1.基于鲁棒观测器的肘关节鲁棒自适应控制
2.基于线性参数变化自适应观测器的鲁棒故障诊断(英文)
3.基于自适应观测器的一类非线性系统鲁棒故障诊断
4.基于自适应神经网络鲁棒观测器的EHA故障诊断与容错控制
5.具有柔性关节的漂浮基空间机械臂基于状态观测器的轨迹跟踪鲁棒反步控制及弹性振动抑制
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2 ω 1,
1 1
) x p dx
i
0 1 B Ψ1 B Ψ
2

p
p +1
0
0

∫ω ( x) x
0
珓 p -1
T d x] 。
Ψ2 的提升与 Ψ1 类 该方程的解即为提升 Ψ1 的系数, 似, 获得提升系数之后, 代入提升系数方程, 并进行 Z 变 换可以得到提升框架的表达: G ( z ) + S ( z2 ) H ( z ) ] G new ( z) = T ( z2) [ ( 5)
Application of adaptive multiwavelets via lifting scheme in bevel gear fault diagnosis
He Shuilong1 ,Zi Yanyang1 ,Wan Zhiguo1 ,Chang Yong1 ,He Zhengjia1 ,Wang Xiaodong2
1 i i i i 1 i i i
多小波由 2 个或 2 个以上的小波基函数组成, 设多 T …, r ) , 多小波小波函数 小波尺度函数为 Φ( t) = ( 1 , …, 为 Ψ( t) = ( ψ1 , ψr ) , 其中 T 表示转置, 则它们满足 如下两尺度方程: 2 ∑ Ηk Φ( 2 t - k) Φ( t) = 槡
珟 珟 ( z) = ( Τ* ( z2 ) ) -1 G G n ( z) 珟 珟 Gn 、 H G S( z) 和 Τ( z) 式中: Ηn 、 n、 n 为新的多小波滤波器, 为有限阶, 并且 Τ( z) 的行列式为单项式。 为了保证构造出新的多小波具有对称性, 在构造的 过程中加入了一些限制条件。 假如多小波尺度函数和多 a 、 aψ 和 aψ 。 以多 小波基函数的对称或反对称点为 a 、
解决传统的定轴齿轮箱故障诊断上取得了很大的成就,
多小波作为小波理论的最新发展, 具备了许多传统小波 不具备的优良特性, 如同时具有正交性、 紧支性和高阶消失 矩等
[ 15 ] [ 1618 ] , 。 近年来已在旋转机械故障诊断中崭露头角
为了解决螺旋伞齿轮的故障诊断问题, 本文将依据 信号特点采用对称提升框架自适应构造出多小波, 并对 信号进行分解, 选择敏感频带进行重构, 并对重构信号进 Hilbert 行 包络解调, 将故障特征信号提取出来。 最后通 过搭建实验台, 制作故障件对该方法的有效性进行检验。
第 35 卷 第 1 期 2014 年 1 月






Chinese Journal of Scientific Instrument
Vol. 35 No. 1 Jan. 2014
自适应提升多小波在螺旋伞齿轮故障诊断中的应用
1 1 1 何水龙 ,訾艳阳 ,万志国 ,常 1 1 2 永 ,何正嘉 ,王晓冬
k
T
( 1)
1表 尺度函数和多小波函数的对称性( - 1 表示反对称, 示正称) 。 假如通过提升框架将多小波的消失矩从 p 阶 提升到 p' 阶, 则可以得到如下的线性方程组: MBC = M ψ 式中:
1
2 ∑ G k Φ( 2 t - k) Ψ( t) = 槡
k
( 4)
G k 为 r × r 的两尺度矩阵序列。 式中: H k 、
1


螺旋伞齿轮传动效率高、 结构紧凑、 传动比稳定、 工 作可靠和寿命长, 被广泛地应用于各个领域。 然而, 由于 工作环境恶劣, 螺旋伞齿轮很容易发生损伤和故障。 为 了避免由于故障引起的安全事故和经济损伤, 齿轮的故
09 收稿日期: 2013Received Date: 201309
* 基金项目: 国家自然科学基金 ( 51275384 ) 、 国家自然科学基金重点项目( 51035007 ) 、 国家基础研究计划( 2009CB724405 ) 、 高等学校博士学 科点专项科研基金( 20110201130001 ) 资助项目
( 1. State Key Laboratory for Manufacturing Systems Engineering, School of Mechanical Engineering, Xi’ an Jiaotong University, Xi’ an 710049 , China; 2. Technology Center, CNPC Logging Co. , Ltd. , Xi’ an 710077 , China)
*
( 1. 西安交通大学机械制造系统工程国家重点实验室 西安交通大学机械工程学院 2. 中国石油集团测井有限公司技术中心 摘 西安 710077 )
西安 710049 ;
要: 螺旋伞齿轮能改变动力的传递方向, 工程上得到了广泛的应用, 因此对其进行故障诊断具有重要的意义; 然而, 重合度
大和调幅调频的特性大大增加了特征提取的难度 。多小波具有多重小波基函数和许多优良特性, 近来被广泛运用于旋转机械 的故障诊断。首先用对称提升构造出自适应的多小波, 并对信号进行分解; 其次, 选择敏感特征频带进行重构; 最后, 通过希尔 伯特变换解调出特征频率 。以实验台中模拟的螺旋伞齿轮断齿和擦伤故障为例, 验证了该方法的有效性 。 关键词: 螺旋伞齿轮; 自适应多小波; 信号重构; 希尔伯特变换 中图分类号: TH132. 422 文献标识码: A 国家标准学科分类代码: 460. 1520
障诊断变得十分重要。基于振动信号分析的故障诊断方 法是该类诊断中最常见的方法之一。 然而, 故障特征信 号往往表现出复杂的非平稳性, 并淹没在背景噪声中, 给 [1 ] 。 因此, 急需提出一 故障特征提取带来了极大的挑战 种有效的故障特征提取方法。 近年来, 在齿轮箱的故障诊断方面出现了许多方法, 主要包括: 时域分析方法、 频域分析方法和时频域分析方
Abstract: Different from parallelaxes gears, the bevel gears can change the direction of power transmission. So they are widely used in transmission systems, and their fault diagnosis is of great significance. However , the feature extraction for the faulty spiral bevel gears is quite difficult because of its large overlap ratio as well as amplitude and frequency modulation ( AMFM) nature. Therefore, it is urgent to develop an effective feature extraction method for this task. Multiwavelet with multiple wavelet basis functions and many excellent properties provides an effective tool to rotating machinery fault diagnosis. In this paper, firstly, we construct an adaptive multiwavelet via symmetric lifting scheme , and then decompose the original signal; secondly, the signal is reconstructed with chosen sensitive feature bands; thirdly, the reconstructed signal is demodulated to extract the characteristic frequency based on Hilbert transform. The spiral bevel gear breakage and scrape faults simulated on the test bench are taken as examples to verify the effectiveness and reliability of the proposed method. Keywords: bevel gear; adaptive multiwavelet; signal reconstruction ; Hilbert transform
1 2 1 2
2
2. 1
自适应多小波构造
多小波综述
所选择的平移量必须满 小波基函数 ψ1 的对称提升为例, 足式( 3 ) : = ( aω + τω , | τω , aψ - ( aω + τω , 1) 2 ) - aψ , 1 | = | ( 3) | τω , 2 2, …, k ∈ Z。 式中: i = 1 , 设 B ω = ± 1 表示原始多小波多
… …
2 ω 1,
) x p +1 d x
∫ω ( x + τ ∫ω ( x + τ
k

p -1 dx ω1 ( x + τ ω , 2) x
1
1
c1 C =[
c2

T c k] , Mψ
1
∫ ∫ = -[ ∫ω ( x) x dx ∫ω ( x) x dx


1 B Ψi B Φ p k 2 ) x dx ω, B = , 0 珓 p -1 dx ωk ( x + τω , 2) x
借助于 T ( z) 和 S( z) , 构造出新的对称双正交多 小波。 而方程组的解存在如下 3 种情况: 1 ) 方程为超定的, 这种情况下, 方程是无解的, 也就是说多小波函数与多尺 度函数的平移量与它们满足的条件之间存在矛盾, 不能
相关文档
最新文档