基于数据驱动的故障诊断方法已被广泛应用于旋转机械零部件故障诊断领域。目前,大多数诊断方法主要依赖于定长数据分割产生的大量数据,但分割的数据通常为短周期的小片段信号,而实际长周期冗余信号由于数据尺度不匹配,无法直接作为测试样本进行故障识别。针对以上不足,提出了一种新的基于数据概率密度与一维卷积神经网络(Data Probability Density and One-Dimensional Convolutional Neural Network,DPD-1DCNN)的故障诊断方法,其具有两个特点①提取信号的密度特征可抵抗数据的冗余;②适应不同长度的冗余信号可作为诊断模型的输入。该方法采用DDS试验台产生的行星齿轮箱故障数据进行了验证;其在保证高诊断精度的同时,又增强了诊断模型的适应性。

车组绳输送机在长距运输中较带式输送机有一定优势,但其驱动系统的防滑问题并未受到重视。结合驱动轮结构与传动方式设计了一种防滑啮合副。基于运动学与高阶接触啮合理论,设计满足不干涉与强度条件的2阶接触防滑啮合副承载曲线,并设计了整体结构;对2阶接触防滑啮合副与线接触防滑啮合副建模与仿真,并对2阶接触防滑啮合副打滑工况进行了单因素试验。结果表明,2阶接触防滑啮合副较线接触防滑啮合副应力更为均匀;防滑啮合副部件防滑凸块曲率半径与高度应取较小值,宽度可取较大值。

滚滑运动是导致滚动轴承失效的一种特殊运动形式,采用仿真和试验相结合的方法,研究了滚动轴承在滚滑运动下的磨损特性。首先,应用Abaqus有限元软件建立滚滑状态下的滚动轴承有限元仿真模型,得到轴承的摩擦力动态响应。之后,通过滚滑磨损试验台得到轴承运动过程中的摩擦力数据,运用灰色关联分析法得知仿真数据与试验数据的关联度达到0.8以上,因此,仿真所得的摩擦力可作为判断轴承磨损状态变化的依据。在轴承磨损试验中,对润滑油进行颗粒度检测并观察记录了轴承内圈的表面形貌。结果表明,仿真所得摩擦力变化影响油液颗粒度、表面形貌的变化,油液中所含颗粒数目上升与内圈表面产生磨痕作为内圈所受摩擦力变化导致的磨损结果,正反馈于摩擦力,使其幅值不断增大,进一步加剧了轴承的磨损。仿真与试验相结合的方法为准确判断滚滑状态下...

传统的机器学习方法在行星齿轮箱故障诊断方面存在识别率低、特征提取操作繁琐等问题。为提高行星齿轮箱的诊断效率,提出基于一维深度卷积神经网络(One-dimensional deep convolutional neural network,1-DCNN)的故障诊断方法,将原始信号直接输入到网络中进行诊断。通过对行星齿轮箱行星轮5种故障信号进行训练验证,精度可达100%,且在诊断精度和效率上优于其他常用算法。

为了明确加工状态及切削参数对细长轴类零件切削表面粗糙度的影响规律,通过刀具切削刃与工件表面形貌的几何映射关系,推导轴向截面的轮廓曲线方程,得出不同切削参数下的理论表面粗糙度值;对比分析不同加工状态、切削参数下细长轴切削表面粗糙度数据。结果表明:稳定切削时,细长轴工件的振动以主轴转频及其倍频为主,加工表面粗糙度受进给量影响最大,粗糙度随进给量的增大而增大,工件刚度较大时理论粗糙度与实测结果误差较小;当颤振发生时,工件振动信号中出现与其固有频率接近的高频振动成分,此时粗糙度理论预测结果与实测结果误差较大。理论模型中应充分融合工艺系统的振动信息,可进一步提高预测模型的精度与适用范围。

针对行星齿轮箱的振动信号易受噪声干扰、信号成分复杂以及太阳轮易发生故障的问题,提出了基于小波相邻系数（NeighCoeff）和Hilbert包络相结合的行星齿轮箱太阳轮故障诊断方法.建立了太阳轮局部故障的振动信号仿真模型,模拟噪声干扰下的太阳轮故障,利用NeighCoeff对含噪信号降噪,对降噪后的信号进行Hilbert包络解调处理.仿真结果可得到更为清晰的频谱,证明该方法能够有效提取受噪声影响的故障特征频率.将该方法应用到行星齿轮箱太阳轮的故障诊断实验中,通过对太阳轮正常、断齿和磨损三种故障下振动信号进行实验,准确识别太阳轮故障,结果表明应用该方法能够有效地提高太阳轮故障诊断的准确性.

电机定子电流信号可以反应电机拖动系统中的扭矩波动情况,然而负载波动的特征频率易被工频所湮没。针对这一问题,提出小波阈值去噪、EEMD和互相关分析相结合的方法,该方法首先对电流信号进行小波阈值去噪的预处理以提高信噪比,然后对信号进行EEMD分解,利用互相关系数确定重构信号的IMF层数,以抑制工频及其谐波并突出特征频率。将该方法用于转子系统正弦扭矩激励的特征频率提取上,结果表明该方法能够有效的抑制工频及其谐波的干扰并提取负载扭矩的特征频率。

电动机电流信号分析广泛应用于电机本身的监测和故障诊断,但该技术与转动系统的研究却比较少。针对转子系统的轴系不对中故障,提出了基于经验模态分解(EMD)和遗传算法支持向量机(GA-SVM)的不对中故障诊断方法。首先通过EMD方法将电流信号分解成若干个本征模函数(IMF);然后计算各IMF分量的能量特征和峭度值;最后从包含有故障信息的IMF分量的能量特征和峭度值作为输入建立支持向量机(SVM)判断轴系故障类型。实验表明,该方法可以有效地实现对于转子系统不对中故障类型和故障程度的诊断,且相对于只依靠能量特征的诊断方法,该方法对于不对中故障的诊断正确率有了明显的提高。

提出了一种基于电机定子电流的齿轮故障诊断方法。相对于齿轮故障诊断的一般振动信号诊断方法,该方法具有可实现远程诊断、便于安装且受环境噪声影响小的优点,是一种无损的故障诊断方法。针对电机驱动的齿轮传动系统,建立了负载转矩对电机定子电流的理论模型;并分析了各种状况时的定子电流频谱特征,发现可以利用基频与转频的变频带、基频与啮合频率的边频来判断齿轮断齿故障和磨损故障。通过Matlab/Simulink对电机齿轮系统进行了仿真;并在实验平台上进行了验证。

同煤集团马脊梁矿所使用的ZF1330O25Q遂i放顶煤液压支架，在使用过程中出现前梁掉落的情况,从而发现该型液压支架前梁结构设计有缺陷，在非正常工况下强度不够。文中通过对前梁结构进行优化设计，增强了强度,进而实现液压支架在综采工作面提供安全可靠的工作空间的目的。