为了降低环境噪声对滚动轴承故障特征信息提取结果的影响,并且提高诊断的准备率,提出了基于改进VMD的滚动轴承故障特征提取方法。首先应用VMD算法对采集的轴承原始信号进行分解,根据能量差曲线确定最佳的分解层数k;然后依据峭度准则,选取峭度值最大的分量作为敏感分量进行后续的分析,最后采用Hilbert算法对选取分量进行解调分析;从最后得到的谱图中便可准确地提取到故障特征频率。通过对仿真和实验室信号的分析,证明了改进VMD算法的有效性与可行性。

以大型风力发电设备中行星齿轮传动系统为研究对象,针对行星齿轮箱故障监测诊断问题,进行了小波包去噪和Hilbert解调技术的理论方法研究,并在Windows平台下运用Qt和Matlab进行了行星齿轮箱故障监测诊断系统开发,最后进行了试验分析。结果表明,系统能够在行星齿轮箱不同工况下,从测试的振动信号中解调出故障齿轮的调制信息,进而判断出故障齿轮的部位,进而实现了系统的故障监测诊断。研究可为行星齿轮传动系统故障诊断提供数据采集与分析技术支持,有利于进一步实现基于网络技术的远程在线监测,具有一定的工程应用价值。

将小波降噪和Hilbert解调分析方法相结合对齿轮箱典型故障进行了诊断研究。介绍了小波降噪和Hilbert解调的基本原理,通过QPZZ-II旋转机械故障试验平台进行了齿轮箱点蚀故障的实例验证分析。研究表明,小波降噪后提高了信噪比和故障诊断精度;Hilbert解调技术可以解调出调制信号,但不能较好地处理叠加信号,可利用倒谱分析边频带中的周期成分做进一步分析。通过实验证明了方法的有效性。