基于TEO解调和随机共振的行星齿轮箱早期故障诊断方法.pdf
Ch****49
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于TEO解调和随机共振的行星齿轮箱早期故障诊断方法.pdf
本发明涉及一种基于TEO解调和随机共振的行星齿轮箱早期故障诊断方法。首先,对行星齿轮箱振动信号进行经验模式分解并选取包含故障信息的分量信号,使用TEO解调运算获得分量信号的解调信号;其次,为满足随机共振系统的小参数条件,将解调信号做适当压缩处理并进行频率二次采样;再次,以定义的随机共振系统的输出信噪比为适应度函数,采用粒子群算法优化随机共振系统的结构参数,进而重构随机共振系统。最后,将信号重新输入参数优化后的随机共振系统实现故障特征的增强提取。本发明提出的EMD+TEO的信号预处理方法降低了故障提取难度,
基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法.pdf
本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法,首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量,剔除含有宽带信号的低共振分量;将含有行星齿轮箱振动信号的高共振分量作为观测信号,再对观测信号进行一次共振稀疏分解,构成虚拟通道信号;利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理,分离出有效的故障特征分量,从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率,解决经验模态分解EMD去噪过程中故障信息丢失、模态混叠的问题,同时也可以解决ICA中源信
基于GOA-ASR的行星齿轮箱早期故障诊断方法.pdf
本发明涉及一种基于GOA‑ASR的行星齿轮箱早期故障诊断方法,首先获取故障特征检测性能提升的高通滤波信号;其次,利用TEO算法解调上述高通滤波信号,得到含故障特征的解调信号;判断是否满足随机共振(SR)的小参数要求,不满足则将解调信号进一步做适压缩处理以及频率二次采样处理;随后,使用提出的LSNR指标作为适应度函数,引入GOA算法对随机共振系统参数进行自适应寻优,进而重构最优参数下的随机共振系统。最后,将信号输入随机共振系统,得到周期特征增强的输出信号,并通过对输出信号的FFT频谱分析实现故障判别。本发明
基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法.pdf
本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法,包括如下步骤:1)首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量,剔除含有宽带信号的低共振分量;2)将含有行星齿轮箱的高共振分量作为观测信号,再对观测信号进行一次共振稀疏分解,构成虚拟通道信号;3)利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理,分离出有效的故障特征分量,从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率,解决EMD去噪过程中故障信息丢失、模态混叠的问题,同时也可以解决ICA
一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法.pdf
本发明涉及一种基于VMD‑AMCKD的行星齿轮箱早期故障诊断方法,包括步骤S1获取行星齿轮箱的振动加速度信号,并确定VMD参数;步骤S2基于VMD参数,对原振动信号进行VMD分解,并根据相关系数最大准则,选取最优分量;步骤S3:根据GOA寻优算法对所述最优分量进行MCKD参数的寻优;步骤S4:根据步骤S3得到的MCKD参数,对最优分量信号进行MCKD分析,再对解卷积后信号进行包络解调;步骤S5:将轴承理论故障特征频率值与包络谱中峰值明显的谱线进行对照,从而诊断出故障类型,确定故障部位。本发明采用GOA算法