CN110514437B - 一种用于故障诊断的行星齿轮箱振动信号分离方法 - Google Patents
一种用于故障诊断的行星齿轮箱振动信号分离方法 Download PDFInfo
- Publication number
- CN110514437B CN110514437B CN201910784595.7A CN201910784595A CN110514437B CN 110514437 B CN110514437 B CN 110514437B CN 201910784595 A CN201910784595 A CN 201910784595A CN 110514437 B CN110514437 B CN 110514437B
- Authority
- CN
- China
- Prior art keywords
- vibration
- signal
- gear
- meshing
- gearbox
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
Abstract
本发明公开了一种用于故障诊断的行星齿轮箱振动信号分离方法及系统,包括以下步骤:(1)将待诊断的行星齿轮箱振动信号,利用阶次跟踪方法分离获取齿轮箱振动信号中的谐波成分;其中,谐波成分包括齿轮啮合振动信号;(2)根据连续窗函数同步平均将齿轮啮合振动信号分解到多个行星轮,获得单个行星轮的啮合振动,实现对行星轮分布式磨损的诊断;(3)待诊断的行星齿轮箱振动信号减掉谐波成分后得到残差信号,残差信号中只包含齿轮和轴承局部损伤引起的冲击信号以及噪声,滤波提取其中的冲击成分,实现对零件局部损伤的监测诊断。本发明可提高齿轮箱故障诊断准确性。
Description
技术领域
本发明属于行星齿轮箱故障诊断技术领域,具体涉及一种用于故障诊断的行星齿轮箱振动信号分离方法。
背景技术
行星齿轮传动具有体积小、结构紧凑、承载能力强、传动效率高等优点,被广泛应用在风力发电、航空航天、船舶、起重机械、冶金开采等重工业领域。然而,上述机器设备通常运行在变速变载的严苛工况下,齿轮箱内部的零部件容易出现故障损伤。零件故障不仅会造成巨大经济损失,还会成为重大的安全隐患。
目前的行星齿轮箱故障诊断中,在齿轮箱机壳外侧安装加速度传感器采集振动信号对齿轮箱内关键零部件进行状态监测是应用最广泛、最成熟的一种技术手段。行星齿轮箱内振动零部件众多、信号组成复杂、不同类型的信号时频特征差异大,导致单一信号分离方法不能将振动信号完全分离。行星齿轮箱内的转轴、齿轮、轴承均会产生振动,各零件产生的振动信号又以谐波成分、冲击成分以及噪声等多种形态出现,传感器采集的是各类振动信号的和信号。单一的信号分离方法无法将各类信号完全分离,容易出现分解结果不彻底,模式混淆严重、可解释性差等问题。同时,复杂的信号成分之间相互干扰,加大了提取微弱故障的难度,不利于行星齿轮箱故障诊断。
综上,亟需一种新的用于行星齿轮箱故障诊断的行星齿轮箱振动信号分离方法。
发明内容
本发明的目的在于提供一种用于故障诊断的行星齿轮箱振动信号分离方法,以解决齿轮箱振动信号组成复杂,相互干扰严重,不利于行星齿轮箱故障诊断的问题。本发明根据行星齿轮箱的结构特点和振动信号的表现形式,建立系统性的信号分离方法,将传感器采集的复合信号分离成单分量信号,可提高行星齿轮箱故障诊断准确性。
为达到上述目的,本发明采用以下技术方案:
本发明的一种用于故障诊断的行星齿轮箱振动信号分离方法,包括以下步骤:
(1)将待诊断的行星齿轮箱振动信号,利用阶次跟踪方法分离获取齿轮箱振动信号中的谐波成分;其中,谐波成分包含齿轮啮合振动信号;
(2)根据连续窗函数同步平均将齿轮啮合振动信号分解到多个行星轮,获得单个行星轮的啮合振动,实现对行星轮分布式磨损的诊断;
(3)待诊断的行星齿轮箱振动信号减掉谐波成分后得到残差信号,残差信号中只包含齿轮和轴承局部损伤引起的冲击信号以及噪声,滤波提取其中的冲击成分,实现对齿轮、轴承局部损伤的监测诊断。
本发明的进一步改进在于,步骤(1)中,阶次跟踪滤波器应提取齿轮啮合频率及其5倍谐频的振动成分,且每个谐频的通带带宽应覆盖三倍关键转轴转频的边频带;其中,对于平行级齿轮传动,转频为高速轴的转频;对行星齿轮传动来说,转频为行星架转频。
本发明的进一步改进在于,步骤(2)具体包括:阶次跟踪分离得到的齿轮啮合振动信号为多个行星轮啮合振动的和信号;根据各行星轮啮合振动之间存在的相位差给所述多个行星轮啮合振动的和信号依次添加具有相位差的连续窗函数,并进行同步平均得到单个行星轮的啮合振动,从而实现对行星轮分布式磨损的诊断。
本发明的进一步改进在于,连续窗函数为余弦升幂窗函数,表达式为:
本发明的进一步改进在于,步骤(3)中,滤波提取其中的冲击成分时具体包括:使用最大相关峭度解卷积对残差信号进行滤波,提取其中的冲击成分。
本发明的进一步改进在于,步骤(3)中,残差信号进行滤波具体包括:根据齿轮箱零件局部损伤故障特征频率计算滤波器解卷积周期长度依次对信号进行滤波;对滤波后的信号进行阶次重采样并通过希尔伯特解调求其包络获得零件的局部故障信息。
本发明的进一步改进在于,步骤(1)中,谐波成分包括每级齿轮啮合振动及5倍的谐频振动,以及原始待诊断振动信号中与啮合振动无关的高能量调幅调频成分。
本发明的进一步改进在于,待诊断的行星齿轮箱振动信号由安装在齿轮箱机箱外侧的加速度传感器采集;转速信息由光电传感器采集。
本发明的一种用于故障诊断的行星齿轮箱振动信号分离系统,包括:
谐波成分获取模块,用于将待诊断的行星齿轮箱振动信号,利用阶次跟踪方法分离获取齿轮箱振动信号中的谐波成分;其中,谐波成分包含齿轮啮合振动信号;
齿轮分布式磨损诊断模块,用于根据连续窗函数同步平均将齿轮啮合振动信号分解到多个行星轮,获得单个行星轮的啮合振动,实现对行星轮分布式磨损的诊断;
零件局部损伤诊断模块,用于待诊断的行星齿轮箱振动信号减掉谐波成分后得到残差信号,残差信号中只包含齿轮和轴承局部损伤引起的冲击信号以及噪声,滤波提取其中的冲击成分,实现对零件局部损伤的诊断。
与现有技术相比,本发明具有以下有益效果:
本发明的用于故障诊断的行星齿轮箱振动信号分离方法中,针对行星齿轮箱振动信号成分复杂、交叉干扰严重的问题,提出一种标准化的信号分离方法,将采集的待诊断的复合振动信号分离成单分量信号。复杂的齿轮箱振动信号主要包括齿轮啮合振动、零件局部损伤引起的冲击振动以及噪声。齿轮的啮合振动是一类连续的谐波信号,利用阶次跟踪技术可以将其从原始信号中分离出来;去除了信号中的谐波成分后,利用滤波手段可将冲击信号分离出来,将复杂的齿轮箱振动信号分离成只和单个零件相关的单分量信号,解决了不同信号相互干扰的问题,从而可提高行星齿轮箱故障诊断准确性。
进一步地,利用最大相关峭度解卷积可将冲击信号分离出来,将复杂的齿轮箱振动信号分离成只和单个零件相关的单分量信号,解决了不同信号相互干扰的问题,从而可进一步提高齿轮箱故障诊断准确性;其中,通过滤波对残差信号进一步降噪提高信噪比。
本发明的行星齿轮箱振动信号分离系统,可用于行星齿轮箱故障诊断,具有较高的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面对实施例或现有技术描述中所需要使用的附图做简单的介绍;显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种用于故障诊断的行星齿轮箱振动信号分离方法中,行星齿轮箱振动信号分离流程示意图;
图2是本发明实施例中,第一级行星轮系啮合振动波形及谱图示意图;其中,图2(a)为阶次波形示意图,图2(b)为阶次谱示意图,图2(c)阶次包络谱示意图;
图3是本发明实施例中,第一级行星轮系残差信号波形及谱图示意图;其中,图3(a)为阶次波形示意图,图3(b)为阶次谱示意图,图3(c)为阶次包络谱示意图;
图4是本发明实施例中,连续窗函数同步平均分离得到的行星轮啮合振动示意图;
图5是本发明实施例中,最大相关峭度滤波得到的冲击信号示意图;图5(a)为阶次波形示意图,图5(b)为阶次包络谱示意图。
具体实施方式
为使本发明实施例的目的、技术效果及技术方案更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述;显然,所描述的实施例是本发明一部分实施例。基于本发明公开的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例,都应属于本发明保护的范围。
参照图1,本发明的一种用于故障诊断的行星齿轮箱振动信号分离方法,其为基于参数寻优的行星轮啮合振动解耦方法,具体包括以下步骤:
(1)利用阶次跟踪技术分离齿轮箱振动信号中的谐波成分。其中谐波成分主要包括齿轮啮合振动,包含着齿轮分布式故障信息。阶次跟踪滤波器应提取齿轮啮合频率及其5倍谐频的振动成分,且每个谐频的通带带宽应覆盖三倍关键转轴转频的边频带。对平行级齿轮传动来说,即为高速轴的转频;对行星齿轮传动来说,转频为行星架转频。
(2)根据连续窗函数同步平均将啮合振动分解到多个行星轮。对步骤(1)分离得到的齿轮啮合振动做进一步分离。阶次跟踪分离得到的齿轮啮合振动仍是多个行星轮啮合的耦合振动。根据本发明提出的信号分离方法,对分离出的啮合振动进行连续窗函数同步平均,得到单个行星轮的啮合振动。具体的,由于行星齿轮箱中有多个行星轮同时啮合,阶次跟踪分离得到的是多个行星轮啮合振动的和信号,给上述和信号添加连续窗函数并进行同步平均得到单个行星轮的啮合振动,从而实现对行星轮分布式磨损的诊断;给啮合振动信号添加余弦升幂窗函数:
(3)原始振动信号减掉谐波成分后得到残差信号,残差信号中只包含零件局部损伤引起的冲击信号以及噪声;
使用最大相关峭度解卷积算法(Maximum correlated kurtosis deconvolution,MCKD)对残差信号进行滤波,提取残差信号中的冲击成分。
为了验证本发明的有效性,将上述方法应用在风力发电机组中的行星齿轮箱振动数据的分析中。行星齿轮箱为两级行星传动加一级平行级传动,表1为行星齿轮箱的结构参数。齿轮箱的振动信号由安装在齿轮箱机箱外侧的加速度传感器采集。转速信息由光电传感器采集,传感器采集齿轮箱高速输出轴的转速。转轴上贴有反光片,转轴每转过一圈,光电开关触发一次,记录一个时刻点。
表1风电行星齿轮箱结构尺寸
实验中风电行星齿轮箱中的第一级行星轮系太阳轮有局部损伤,并经内窥镜检查后确诊,齿轮上一个齿面出现压痕。因此,根据本发明对第一级行星轮系产生的振动进行分析。
请参阅图2,在进行信号分离之前,首先对振动信号进行初步的谱分析。图2(a)为信号的阶次波形。信号的阶次波形中无法发现太阳轮局部损伤引起的冲击信号。对阶次波形进行快速傅里叶变化得到其阶次谱,如图2(b)所示。从阶次谱可以看出,传感器采集的振动信号成分非常复杂,不仅包含第一级行星轮系的齿轮啮合振动,还包含第二级行星轮系以及第三级定轴轮系的齿轮啮合振动。此外,由于齿轮啮合振动能量和转速的平方成正比,因此其他两级行星轮系的齿轮啮合的振动能量幅值更大,能量更高。此时,相比于第一级齿轮啮合振动,其他级的齿轮啮合振动均为干扰成分,对第一级行星轮系的故障诊断造成了极大干扰。对阶次波形进行希尔伯特解调得到其包络信号,再进行快速傅里叶变换得到原始振动信号的阶次包络谱。图2(c)所示为第一级行星轮系振动信号的阶次包络谱,包络谱中也并未发现太阳轮局部故障谱线。
请参阅图3,根据本发明提出的标准化信号分离流程,首先利用阶次跟踪技术分离信号中的谐波成分。包括每级齿轮啮合振动及3倍的谐频振动以及信号中与啮合振动无关的高能量调幅调频成分,原始信号减掉谐波成分后得到残差信号。采取和之前谱分析相同的信号处理方法,图3(a)所示为去除了谐波成分的残差信号阶次波形,相比于传感器采集的原始信号,残差中的信噪比已经得到提高,能识别到信号中有冲击成分。图3(b)为残差信号的阶次谱,去除了谐波成分的阶次谱中的各部分谱线分布相对均匀,冲击成分的信噪比相对得到了提高。图3(c)所示为残差信号的阶次包络谱,相比于去除谐波成分之前,谱中出现了太阳轮故障阶次(红色虚线标识),但仍有其他更高能量的成分干扰,后续可通过滤波对残差信号进一步降噪提高信噪比。
请参阅图4,阶次跟踪分离得到的谐波成分中的齿轮啮合振动仍是多个行星轮啮合的耦合振动。根据本发明提出的信号分离流程,对分离出的啮合振动进行连续窗函数同步平均,得到单个行星轮的啮合振动。图4所示为解耦后的三个行星轮啮合振动。由于加窗同步平均消除了路径调制的影响,而三个行星轮的啮合中均没有明显的调幅现象,证明三个行星轮中不存在分布式磨损故障。同时,可由此判断三个行星轮的受力较为一致,行星架没有不对中故障。
信号分离的第三步。由于残差信号中依然有背景噪声的干扰,使用MCKD方法对时域残差信号进行滤波。根据齿轮箱零件局部损伤故障特征频率计算滤波器解卷积周期长度依次对信号进行滤波。移位数设定为1,滤波器长度为50。当解卷积周期为太阳轮相对旋转周期时,滤波信号中出现了冲击成分。对滤波后的信号进行阶次重采样并通过希尔伯特解调求其包络。图5(a)所示为滤波后得到的冲击信号阶次波形,图(b)为对阶次信号做傅里叶变换得到的阶次包络谱,包络谱中清晰的出现了太阳轮故障阶次。
通过以上的分析,可以证明本发明提出的标准化的行星齿轮箱振动信号分离方法可以实现将复杂的振动信号分离成只和单个零件相关的单分量信号。分离信号与传感器采集的振动信号相比具有更明显的故障特征,有效的提取了行星齿轮箱的故障特征信息,说明本发明提出的振动信号分离方法可以更好的实现行星齿轮箱的故障诊断。同时本发明提出的信号分离方法适用于各种尺寸结构的行星齿轮箱,在工程应用中的通用性更强。
综上所述,本发明为解决齿轮箱振动信号组成复杂,相互干扰严重的问题,根据行星齿轮箱的结构特点和振动信号的表现形式,建立系统性的信号分离方法,将传感器采集的复合信号分离成单分量信号是提高齿轮箱故障诊断准确性的关键技术。
本发明的一种用于行星齿轮箱故障诊断的行星齿轮箱振动信号分离系统,包括:
谐波成分获取模块,用于将待诊断的行星齿轮箱振动信号,利用阶次跟踪方法分离获取齿轮箱振动信号中的谐波成分;其中,谐波成分包含齿轮啮合振动信号;
齿轮分布式磨损诊断模块,用于根据连续窗函数同步平均将齿轮啮合振动信号分解到多个行星轮,获得单个行星轮的啮合振动,实现对行星轮分布式磨损的诊断;
零件局部损伤诊断模块,用于待诊断的行星齿轮箱振动信号减掉谐波成分后得到残差信号,残差信号中只包含齿轮和轴承局部损伤引起的冲击信号以及噪声,滤波提取其中的冲击成分,实现对零件局部损伤的诊断。
本发明中,针对行星齿轮箱振动信号成分复杂、交叉干扰严重的问题,提出一种标准化的信号分离方法,将传感器采集的复合信号分离成单分量信号。复杂的齿轮箱振动信号主要包括齿轮啮合振动、零件局部损伤引起的冲击振动以及噪声。齿轮的啮合振动是一类连续的谐波信号,利用阶次跟踪技术可以将其从原始信号中分离出来。去除了信号中的谐波成分后,利用最大相关峭度解卷积可将冲击信号分离出来。将复杂的齿轮箱振动信号分离成只和单个零件相关的单分量信号,解决了不同信号相互干扰的问题。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (5)
1.一种用于故障诊断的行星齿轮箱振动信号分离方法,其特征在于,包括以下步骤:
(1)将待诊断的行星齿轮箱振动信号,利用阶次跟踪方法分离获取齿轮箱振动信号中的谐波成分;其中,谐波成分包含齿轮啮合振动信号;
(2)根据连续窗函数同步平均将耦合齿轮啮合振动信号分解到多个行星轮,获得单个行星轮的啮合振动,实现对行星轮分布式磨损的诊断;
(3)待诊断的行星齿轮箱振动信号减掉谐波成分后得到残差信号,残差信号中只包含齿轮和轴承局部损伤引起的冲击信号以及噪声,滤波提取其中的冲击成分,实现对齿轮、轴承局部损伤的故障诊断;
步骤(1)中,阶次跟踪分离齿轮啮合振动信号包含齿轮分布式故障信息;阶次跟踪滤波器提取齿轮啮合频率及其5倍谐频的振动成分,且每个谐频的通带带宽覆盖三倍关键转轴转频的边频带;其中,对于平行级齿轮传动,关键转轴转频为高速轴的转频;对行星齿轮传动来说,关键转轴转频为行星架转频;
步骤(2)具体包括:阶次跟踪分离得到的齿轮啮合振动信号为多个行星轮啮合振动的和信号;根据各行星轮啮合振动之间存在的相位差给所述多个行星轮啮合振动的和信号依次添加具有相位差的连续窗函数,并进行同步平均得到单个行星轮的啮合振动,从而实现对行星轮分布式磨损的诊断;
连续窗函数为余弦升幂窗函数,表达式为:
步骤(3)中,滤波提取其中的冲击成分时具体包括:使用最大相关峭度解卷积对残差信号进行滤波,提取其中的冲击成分。
2.根据权利要求1所述的一种用于故障诊断的行星齿轮箱振动信号分离方法,其特征在于,步骤(3)中,残差信号进行滤波具体包括:根据齿轮箱零件局部损伤故障特征频率计算滤波器解卷积周期长度依次对信号进行滤波;对滤波后的信号进行阶次重采样并通过希尔伯特解调求其包络获得零件局部故障信息。
3.根据权利要求1所述的一种用于故障诊断的行星齿轮箱振动信号分离方法,其特征在于,步骤(1)中,谐波成分包括每级齿轮啮合振动及5倍的谐频振动,以及原始待诊断振动信号中与啮合振动无关的高能量调幅调频成分。
4.根据权利要求1所述的一种用于故障诊断的行星齿轮箱振动信号分离方法,其特征在于,待诊断的行星齿轮箱为多级行星齿轮或平行级齿轮传动。
5.根据权利要求1至4中任一项所述的一种用于故障诊断的行星齿轮箱振动信号分离方法,其特征在于,待诊断的行星齿轮箱振动信号由安装在齿轮箱机箱外侧的加速度传感器采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910784595.7A CN110514437B (zh) | 2019-08-23 | 2019-08-23 | 一种用于故障诊断的行星齿轮箱振动信号分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910784595.7A CN110514437B (zh) | 2019-08-23 | 2019-08-23 | 一种用于故障诊断的行星齿轮箱振动信号分离方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110514437A CN110514437A (zh) | 2019-11-29 |
CN110514437B true CN110514437B (zh) | 2020-08-18 |
Family
ID=68626501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910784595.7A Active CN110514437B (zh) | 2019-08-23 | 2019-08-23 | 一种用于故障诊断的行星齿轮箱振动信号分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110514437B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111878323B (zh) * | 2020-08-25 | 2021-08-17 | 浙江运达风电股份有限公司 | 一种基于频谱自相关函数的风力发电机组故障预警方法 |
CN112231859B (zh) * | 2020-10-11 | 2022-05-17 | 昆明理工大学 | 一种行星齿轮箱行星轮局部故障振动仿真方法 |
CN112577722B (zh) * | 2020-11-19 | 2023-06-23 | 江苏科技大学 | 基于平方包络和零频率谐振器的弱故障诊断方法 |
CN113465916B (zh) * | 2021-06-24 | 2022-06-07 | 西安交通大学 | 一种行星轮系轮齿状态评估方法、装置、设备和介质 |
CN113740055B (zh) * | 2021-07-14 | 2022-08-09 | 西安交通大学 | 一种齿轮箱复合故障成分分离诊断方法及装置 |
CN113761675B (zh) * | 2021-07-23 | 2023-09-22 | 东北大学 | 基于边频分布规律的行星轮轮齿裂纹故障特征判定方法 |
CN117890104A (zh) * | 2022-10-08 | 2024-04-16 | 中国航发商用航空发动机有限责任公司 | 齿轮箱的故障诊断方法、系统、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103940607A (zh) * | 2014-04-04 | 2014-07-23 | 西安交通大学 | 不依赖于时域平均的行星齿轮箱信号分离和诊断方法 |
CN105806613A (zh) * | 2015-11-24 | 2016-07-27 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种基于阶比复杂度的行星齿轮箱故障诊断方法 |
CN106124197A (zh) * | 2016-06-14 | 2016-11-16 | 昆明理工大学 | 一种行星齿轮箱太阳轮局部故障检测方法及系统 |
JP2018146090A (ja) * | 2017-03-08 | 2018-09-20 | ボッシュ株式会社 | 油圧システムの故障診断装置及び故障診断方法 |
CN109632295A (zh) * | 2019-01-08 | 2019-04-16 | 中国人民解放军国防科技大学 | 基于连续振动分离和最小熵解卷积的行星轮故障检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107063681B (zh) * | 2017-03-21 | 2019-07-05 | 昆明理工大学 | 一种行星齿轮箱时变振动传递路径下的故障特征包络提取方法 |
CN109253244B (zh) * | 2018-11-22 | 2021-03-23 | 常州信息职业技术学院 | 一种多齿轮系统大型机械齿轮箱故障检测方法 |
-
2019
- 2019-08-23 CN CN201910784595.7A patent/CN110514437B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103940607A (zh) * | 2014-04-04 | 2014-07-23 | 西安交通大学 | 不依赖于时域平均的行星齿轮箱信号分离和诊断方法 |
CN105806613A (zh) * | 2015-11-24 | 2016-07-27 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种基于阶比复杂度的行星齿轮箱故障诊断方法 |
CN106124197A (zh) * | 2016-06-14 | 2016-11-16 | 昆明理工大学 | 一种行星齿轮箱太阳轮局部故障检测方法及系统 |
JP2018146090A (ja) * | 2017-03-08 | 2018-09-20 | ボッシュ株式会社 | 油圧システムの故障診断装置及び故障診断方法 |
CN109632295A (zh) * | 2019-01-08 | 2019-04-16 | 中国人民解放军国防科技大学 | 基于连续振动分离和最小熵解卷积的行星轮故障检测方法 |
Non-Patent Citations (1)
Title |
---|
基于加窗振动分离方法的行星齿轮箱故障特征提取;赵磊;《工程科技II辑》;20190131(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110514437A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110514437B (zh) | 一种用于故障诊断的行星齿轮箱振动信号分离方法 | |
CN102937522B (zh) | 一种齿轮箱复合故障诊断方法及系统 | |
CN107063681B (zh) | 一种行星齿轮箱时变振动传递路径下的故障特征包络提取方法 | |
CN108844733B (zh) | 一种基于kl散度与均方根值的齿轮状态监测指标提取方法 | |
CN109253244B (zh) | 一种多齿轮系统大型机械齿轮箱故障检测方法 | |
CN102879196A (zh) | 利用矩阵小波变换的行星齿轮箱复合故障诊断方法 | |
CN109297705A (zh) | 基于med和模糊熵的行星齿轮箱振动信号故障诊断方法 | |
CN110333071B (zh) | 一种利用窄带倒谱变换的机械振动信号处理方法 | |
CN111289232A (zh) | 基于双树复小波包子带平均峭度图的机械故障诊断方法 | |
CN103940607B (zh) | 不依赖于时域平均的行星齿轮箱信号分离和诊断方法 | |
CN111582248B (zh) | 一种基于svd的齿轮箱信号降噪方法 | |
Zhao et al. | Vold-Kalman generalized demodulation for multi-faults detection of gear and bearing under variable speeds | |
CN110514438B (zh) | 一种基于参数寻优的行星轮啮合振动解耦方法 | |
CN116150585A (zh) | 基于乘积包络谱的旋转机械故障诊断方法 | |
CN115434872A (zh) | 一种基于avmd与改进rssd的风电机组齿轮箱复合故障诊断方法 | |
He et al. | Application of minimum entropy deconvolution on enhancement of gear tooth fault detection | |
Guo et al. | Localized faults detection of planetary gear sets based on resonance demodulation and vibration separation | |
Zhang et al. | Gearbox vibration source separation by integration of time synchronous averaged signals | |
CN116415131A (zh) | 一种行星齿轮故障特征提取方法及系统 | |
Abboud et al. | The application of the cyclic coherence for distributed planet fault detection in planetary gears | |
Si et al. | Fault diagnosis of wind turbine planetary gearbox based on hht and structure resonance demodulation | |
Zhang et al. | EWT with Autocorrelation Feature Enhancement in Feature Extraction of Weak Fault of Gearbox and its Application | |
Xu et al. | A tacholess order tracking method based on inverse short-time Fourier transform and singular value decomposition | |
Li et al. | Joint amplitude and frequency demodulation analysis based on variational mode decomposition for multifault diagnosis of a multistage reducer | |
Shi et al. | Vibration fault diagnosis method for planetary gearbox of wind generating set based on EEMD |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |