基于相关分析与小波变换的齿轮箱故障诊断

针对大型机械工作噪声大,测取的振动信号信噪比很低,特征信号频率较高,信号消噪难度大,故障特征信号难以提取的问题,提出了一种基于相关性分析与小波变换相结合的故障诊断方法。该方法利用了相关函数降噪特性和小波多分辨特性,达到有效提取有用信号的目的。通过仿真与实验,证明这种方法能有效去除噪声,对故障特征信号有很强的提取能力。     

小波分析在农业机械故障诊断中的应用

机械故障诊断中常用的方法之一是信号分析.小波分析具有多分辨率分析和时频定位的特点,能够分析信号的局部特征.利用小波分析可以非常准确地分析出信号在什么时刻发生畸变,显示信号的局部特征,有助于信号的实时处理.为此,简述了小波分析的基本原理及其用于故障分析的机理,并就其应用举了实例.     

小波-遗传算法在拖拉机齿轮故障诊断中的应用

运用小波变换的多分辨和时频局部化特性,建立故障征兆的初始征兆参数集合。利用遗传算法理论,对初始征兆参数集合进行空间搜索而得到能够反映故障状态模式的最佳征兆参数。在实践中应用在对东风81-A型手扶拖拉机齿轮箱的故障信号进行特征提取,取得了较好的效果。     

小波变换在水泵故障诊断中的应用

小波变换具有很好的时域和频域局部化特性,为以非稳态振动为特征的信号提供了有较的分析手段。采用磁电式速度传动器测定水泵机组的振动信号,并通过小波变换处理进行故障诊断分析。结果表明,小波变换的分析方法较传统的傅立叶变换更为有效。     

拖拉机发动机减速器动力学分析及故障诊断研究——基于小波神经网络

以拖拉机发动机减速器为研究对象,从分析发动机减速器故障机理出发,深入研究了减速器行星齿轮系统的建模方法和动力学模型,并采用小波神经网络算法研究了一套拖拉机发动机减速器故障诊断系统,能够对发动机减速器机械故障进行实时诊断。试验结果表明:小波神经网络算法能够准确判断发动机减速器的工作状态,识别率高达96%以上,充分证明了系统的准确性和可行性。     

基于傅里叶变换和小波分析的拖拉机振动研究

以John Deer1240型拖拉机为研究对象,用快速傅里叶变换分析方法,分析了座椅的固有频率。基于小波分析的方法,对轮式拖拉机整车振动信号进行了处理分析。对采集到的拖拉机前桥、座椅、车体、后桥等处的振动信号进行了多级小波分解,从1级、2级小波分解的细节信号中,检测出了振动信号的奇异性,从5级小波分解的逼近信号,得到了路面激励信号。同时,分析了地面激励信号经拖拉机的传递方向和衰减程度。研究为拖拉机减振研究和异常信号检测提供了借鉴。     

网络化电路仿真在拖拉机电器故障诊断中的应用

为了降低拖拉机排放污染问题,很多拖拉机生产厂家已经开始研发新能源拖拉机,以期利用新能源替代燃油燃烧排放产生的污染物。在新能源拖拉机设计过程中,电器改造及电气系统故障诊断是设计的重要问题。为此,以一款新型拖拉机的电器系统为例,采用新能源混合动力技术对空调电器系统进行了改造,并建立了基于神经网络技术的空调电器故障诊断系统,最后对诊断系统的性能进行了实验验证。结果表明:采用神经网络仿真系统对新能源拖拉机空调系统进行故障诊断的准确性较高,对于拖拉机空调智能诊断系统的研究具有重要的意义。     

基于粗糙遗传算法在打捆机齿轮箱故障诊断中的应用*

自走式连续作业打捆机是一款实现不停机连续打捆作业的新型秸秆收集装备,其关键功能部件齿轮箱发生故障会严重影响正常打捆工作。针对齿轮箱故障的防控和监测,提出一种结合粗糙集和遗传算法的故障诊断方法。该方法使用时域频域分析得到的多项故障特征参数作为条件属性,故障类型作为决策属性,并利用自适应遗传算法得到决策规则表,实现无需先验信息的属性约简和故障诊断。在齿轮箱故障诊断试验中,分别对不同故障类型进行信号采集和诊断分析,结果显示:该方法在无先验信息的条件下将12项故障特征参量约简为3项,根据决策规则表进行故障诊断的准确率为100%,结果表明该方法能准确判断故障的发生和故障类型,对实现故障监测和防控具有重要意义。     

小波和神经网络在柴油机故障诊断中的应用

柴油机以其良好的动力性、可靠性、经济性在运输车辆和农用机械中广泛应用,但对其施行及时的不解体故障诊断却并非易事.为此,以配气机构故障为例,提出将小波包分解与神经网络结合的故障诊断方法.先对振动信号应用小波阀值法降噪,再进行小波包分解,构造小波包特征向量作为故障样本,并用训练好的BP神经网络进行故障识别,试验结果证明了该方法的有效性.     

利用小波分析诊断农机产品变速箱齿轮故障

介绍小波变换的基本原理，针对农机产品变速箱齿轮出现故障时产生的非稳态脉冲信号特点，选择合适的小波。应用小波变换准确地诊断变速箱齿轮裂纹故障，证明了小波分析的应用价值。     

基于小波分析和BP神经网络的滚动轴承的故障诊断

提出了一种基于小波分析和BP神经网络的滚动轴承故障诊断方法,首先采用小波包对滚动轴承振动信号进行分解与重构,然后提取重构后振动信号的峭度值,将峭度值作为特征参数输入神经网络,进行故障模式识别。通过对实验数据的分析信号表明,能有效地识别滚动轴承工作状态与故障类型。     

基于小波神经网络的旋耕装置机械故障诊断研究

首先,介绍了小波变换原理及其在故障检测中的优势;然后,采用三层小波神经网络模型,构造了旋耕装置机械故障诊断模型;最后,从建立旋耕装置故障特征、提取故障特征向量,以及建立和训练小波神经网络模型等方面,实现了基于小波神经网络的旋耕装置机械故障诊断模型,能够实时完成对旋耕装置的机械故障诊断。通过验证与分析,证明了诊断系统的可行性和精确性。     

平移不变量小波去噪法在齿轮故障诊断中的应用

平移不变量小波去噪方法是对Donoho阈值法的改进，该方法不仅能有效地抑制伪吉布斯现象。而且能减小原始信号和估计信号之间的均方根误差，提高信噪比，将这种方法用于变速箱齿轮故障信号的去噪处理，同时与阈值法去噪的结果进行比较。结果表明，该方法可以有效地去除强噪声的干扰，提取齿轮故障特征信息，具有很好的工程实用性。     

基于频谱分析的压缩机故障诊断

文章主要介绍了采用频谱分析法来进行故障诊断的方法,基于BP神经网络理论,在提取故障信号特征集作为训练样本的基础上,构建了三层BP神经网络,完成了压缩机故障诊断系统,且通过实例证明了该系统的有效性和准确性。     

柴油发动机故障诊断技术研究

给出一种声发射在柴油发动机故障检测诊断中应用的方法,采用自适应滤波、小波分析及神经网络等现代新技术,寻找故障诊断的新方法,并采用MATLAB进行了仿真研究。     

形态小波降噪方法在齿轮故障特征提取中的应

针对齿轮故障特征往往被强背景噪声淹没的问题,采用形态小波降噪方法来提取故障特征.形态小波降噪方法适合于对具有一定形态特征的齿轮故障信号进行特征提取.首先采用形态小波对信号进行分解,然后对各层的细节系数进行软阈值降噪处理,最后根据处理得到的小波系数重构信号以提取故障特征.仿真与实例证明,该方法可有效地提取隐含在噪声中的齿轮故障特征.形态小波降噪算法只涉及加减和极大、极小运算,运算简单且执行高效,适合于齿轮故障的在线监测与诊断.     

小波包改进算法在柴油机振动分形诊断中的应用

分形法诊断柴油机故障时,实际测取的柴油机振动信号中存在着许多干扰信息,利用改进的小波包分解和重构算法对原始信号进行降噪处理,再选择合适的嵌入维数,计算出的关联维数即能够反映系统的真实特性.实例分析表明,该算法准确可靠,可极大提高利用信号关联维数判断柴油机运行状态的准确性和可靠性.