山东省自然科学基金(ZR2012EEL07)
- 作品数：11 被引量：94H指数：6
- 相关作者：林近山窦春红陈前刘炳强赵光胜更多>>
- 相关机构：潍坊学院山东寿光巨能金玉米开发有限公司南京航空航天大学更多>>
- 发文基金：山东省自然科学基金博士科研启动基金潍坊市科技发展计划项目更多>>
- 相关领域：机械工程电气工程更多>>
- 基于时变滤波经验模式分解的齿轮箱故障诊断被引量：6
- 2018年
- 经验模式分解(Empirical Mode Decomposition,EMD)经常出现模态混叠问题。集总经验模式分解(Ensemble EMD,EEMD)能够在一定程度上缓解模态混叠,但是辅助白噪声的引入却破坏了原始EMD方法的时变滤波特性。为了提高齿轮箱故障诊断的效果,将时变滤波经验模式分解(Time Varying Filter for EMD,TVFEMD)引入到齿轮箱振动信号分析领域,提出了基于TVFEMD的齿轮箱故障诊断方法。将该方法用于分析包含着输出轴不对中故障的齿轮箱振动信号,结果表明,该方法能够有效地诊断出齿轮箱的不对中故障,与基于EMD和EEMD的方法相比具有明显的优势。
- 林近山窦春红寇兴磊
- 关键词：信号分析齿轮箱故障诊断
- 基于增量序列标度分析的齿轮箱状态监测
- 2016年
- 齿轮箱是复杂的动力学系统,其动力学演化过程难以刻画。本文在分析齿轮箱振动信号增量序列标度转折特性的基础上,利用三角函数关系式推导了标度区间起止点坐标之间的内在关系,由此建立了一种状态监测方法。将该方法用于监测实际齿轮箱的运行过程,并与常用的时域统计参数方法进行比较,结果证明了该方法的有效性和优越性。
- 林近山
- 关键词：标度分析齿轮箱
- 基于近似熵的齿轮箱状态监测与故障诊断被引量：9
- 2013年
- 针对齿轮箱故障诊断缺乏有效的快速算法的问题,提出了基于近似熵(Approximate Entropy,ApEn)参数的齿轮箱故障诊断方法。首先介绍了近似熵的概念和计算方法,然后利用近似熵对轻度磨损、中度磨损和断齿故障状态下的齿轮箱进行故障诊断。结果表明,近似熵参数不但能有效地对齿轮箱的故障状态进行区分,而且可以清楚地刻画齿轮箱故障状态的演变过程,因而适于作为齿轮箱故障诊断的特征参数。为齿轮箱的状态监测与故障诊断提供了一种新的方法。
- 林近山
- 关键词：近似熵齿轮箱故障诊断
- 基于经验模式分解和谱峭度的滚动轴承故障诊断被引量：7
- 2012年
- 滚动轴承的振动信号是强背景噪声下的非平稳非线性信号,其特征提取是滚动轴承故障诊断的难点。为了提高滚动轴承的故障诊断效果,提出了基于经验模式分解(Empirical Mode Decomposi-tion,EMD)和谱峭度(Spectrum Kurtosis,SK)的滚动轴承故障诊断方法。首先利用EMD方法对轴承故障信号进行分解,剔除趋势项,利用归一化白噪声分量的统计特性来滤除信号中的噪声分量,然后利用谱峭度方法估计带通滤波器的中心频率和带宽,最后对剩余的信号执行带通滤波和包络解调进行故障诊断。对滚动轴承故障诊断的结果表明,本文提出的方法能够有效地提高轴承故障诊断的效果。
- 林近山
- 关键词：经验模式分解轴承故障诊断
- 基于多重分形去趋势波动分析的齿轮箱故障特征提取方法被引量：43
- 2013年
- 齿轮箱故障信号通常是具有多标度行为的非平稳信号,去趋势波动分析(Detrended Fluctuation Analysis,DFA)不能准确揭示隐藏在这类信号中的动力学行为。多重分形去趋势波动分析(Multifractal Detrended Fluctuation Analy-sis,MF-DFA)是DFA方法的拓展,能够有效地揭示隐藏在多标度非平稳信号中的动力学行为。利用MF-DFA计算齿轮箱故障信号的多重分形奇异谱,而多重分形奇异谱的宽度、最大奇异指数、最小奇异指数和极值点对应的奇异指数都具有明确的物理意义,能够表征齿轮箱故障信号的内在动力学机制,适合作为齿轮箱振动信号的故障特征。提出一种基于MF-DFA的齿轮箱故障特征提取方法,将该方法用于包含正常、轻度磨损、中度磨损和断齿故障齿轮箱的故障诊断,并与DFA方法的结果进行了对比。结果表明,提出的方法对齿轮箱故障状态的变化非常敏感,能够完全分离相近的故障模式,有效地克服了传统DFA方法存在的缺陷,为齿轮箱的故障特征提取提供了一种新方法。
- 林近山陈前
- 关键词：齿轮箱特征提取
- 基于傅里叶分解方法的风电齿轮箱故障诊断被引量：11
- 2018年
- 经验模式分解(Empirical Mode Decomposition,EMD)是一种经验的方法,缺乏严格的理论证明,在实际应用中存在着许多问题,这些问题导致EMD方法难以有效提取复杂风电齿轮箱振动信号的故障特征。傅里叶分解方法(Fourier Decomposition Method,FDM)是一种新的非平稳非线性信号处理方法,具有坚实的理论基础,能够有效克服EMD方法的缺陷。因此,将FDM用于分析风电齿轮箱振动信号,提出了基于FDM的风电齿轮箱故障诊断方法。将该方法用于实际风电齿轮箱故障诊断,结果表明该方法能够有效地诊断出风电齿轮箱的故障,与基于谱分析、EMD及小波分解的方法相比具有明显的优势。
- 林近山窦春红赵光胜尹建华
- 关键词：经验模式分解风电齿轮箱故障诊断
- 基于CEEMDAN能量熵的齿轮状态识别被引量：9
- 2018年
- 集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)存在着辅助白噪声难以消除和容易产生虚假模式的缺陷。针对EEMD方法在齿轮箱故障信号处理中的不足,将自适应噪声完备集合经验模式分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)应用于齿轮故障信号分析,提出了基于CEEMDAN能量熵的齿轮状态识别方法。该方法首先利用CEEMDAN分解齿轮振动信号,然后计算振动信号分解结果的能量熵,将能量熵作为特征参数来区分不同的齿轮运行状态。将该方法用于区分正常、轻度刮伤和中度刮伤齿轮运行状态,并与基于EMDEEMD能量熵的方法进行了对比。结果表明,该方法可以有效地区分相近的齿轮运行状态,与其他几种方法相比具有明显的优势。
- 窦春红赵光胜寇兴磊
- 关键词：信号处理齿轮
- 基于多重分形去趋势互相关分析的齿轮箱故障诊断被引量：7
- 2016年
- 多重分形去趋势波动分析(Multifractal Detrended Fluctuation Analysis,MFDFA)算法只能处理一维时间序列,当采用MFDFA算法分析复杂的齿轮箱故障信号时,其分析结果容易受到信号噪声及其它因素的干扰。解决这个问题的有效方法是采用多维数据分析方法,为此本文采用多重分形去趋势互相关分析(Multifractal Detrended Cross-correlation Analysis,MF-DCCA)算法来分析齿轮箱振动信号,提出了基于MF-DCCA算法的齿轮箱故障诊断方法。该方法首先计算二维振动信号的互相关函数,然后再分析互相关函数的多重分形特征。将本文所提出的方法用于分析实际齿轮箱的振动信号,结果表明该方法能够区分相近的齿轮箱故障模式,在齿轮箱故障诊断中取得了良好的效果,与基于MFDFA算法的方法相比具有明显的优势。
- 林近山窦春红张妮
- 关键词：齿轮箱故障诊断
- 基于时间序列统计语言分析的齿轮箱状态监测被引量：2
- 2015年
- 齿轮箱故障信号通常具有非平稳和非线性特性,基于平稳线性理论的时域统计参数方法难以有效地监测齿轮箱的运行状态。为了解决这个问题,采用时间序列统计语言分析方法来处理齿轮箱振动信号,提出了基于时间序列统计语言分析的齿轮箱状态监测方法。该方法首先将原始序列映射为一个单词频次序列,接着利用单词频次序列之间的相关系数来检测齿轮箱运行状态的变化。利用一组包含不同齿轮箱状态的振动数据对该方法的性能进行了验证,结果表明,提出的方法不但能够有效地区分不同的齿轮箱状态,而且能够准确反映齿轮箱运行状态的自然演化过程,与传统的时域统计参数方法相比具有明显的优势。
- 林近山寇兴磊窦春红刘炳强
- 关键词：时间序列齿轮箱
- 基于时间序列幅值分量标度特性的齿轮箱故障诊断被引量：1
- 2014年
- 齿轮箱是复杂的动力学系统,其故障信号通常呈现出非平稳和非线性特征,因此齿轮箱故障信号的特征提取是一个难题。去趋势波动分析(Detrended Fluctuation Analysis,DFA)可以用来分析非平稳非线性数据,得到的标度曲线可以用来刻画复杂系统的动力学行为。然而原始序列的标度曲线通常具有复杂的形状,所以从原始序列的标度曲线提取故障特征具有一定的困难。为了解决这个问题,对齿轮箱故障数据增量序列的动力学特性进行了研究,结果证明增量序列的幅值分量主要携带数据的非线性特征,然后提出了基于时间序列幅值分量标度特性的齿轮箱故障特征提取方法。该方法首先计算原始序列的增量序列,获得增量序列的幅值分量,然后利用DFA方法计算幅值分量的标度曲线,最后提取标度曲线的左端点和转折点的波动参数作为故障特征进行故障诊断。利用实测数据对所提出方法的性能进行了验证,结果表明,该方法对噪声干扰具有较好的鲁棒性,可以有效地对齿轮箱故障进行诊断,与传统的时域参数方法相比具有明显的优势。
- 林近山窦春红伦冠德刘炳强
- 关键词：齿轮箱故障诊断
