共查询到20条相似文献,搜索用时 484 毫秒
1.
刘建敏刘远宏冯辅周丁闯闵庆旭 《汽车工程》2014,(5):608-612
针对变速器故障齿轮振动信号特征和在现实条件下难以获得大量故障样本的实际情况,提出一种复调制细化包络谱和支持向量机相结合的故障诊断方法。通过变速器齿轮故障模拟试验模拟齿轮磨损故障,采用Hilbert变换对齿轮振动信号进行解调得到振动信号的包络,对包络信号进行复调制细化谱分析,提取齿轮轴转频基波及其谐波幅值。分析发现基波及其谐波幅值随着齿轮磨损程度的增加明显增大,故将其作为支持向量机的输入特征向量,以判断齿轮故障。试验结果表明:该方法在小样本的情况下能有效地诊断齿轮故障。 相似文献
2.
汽车变速器故障振动特征提取的试验研究 总被引:11,自引:0,他引:11
本文结合疲劳寿命试验的过程对东风EQ-140汽车变速器故障进行了振动试验研究,利用时域波形分析,频谱分析,细化谱,解调,谐波幅值分析等信号处理方法提取了断齿,轴向窜动,轮齿磨损,滚动轴承疲劳剥落和点蚀等典型故障特征,并进行了分析。 相似文献
3.
4.
5.
6.
7.
小波分析在变速器齿轮故障诊断中的应用 总被引:1,自引:0,他引:1
从小波变换的理论背景出发,介绍了利用小波变换对信号进行分解的原理。针对变速器齿轮振动信号的非平稳性特点,通过对变速器齿轮振动信号用db4小波进行了多分辨分析,说明这种方法可以有效地对变速器齿轮故障进行诊断。 相似文献
8.
本文中提出基于支持向量机的汽车自动变速器故障识别方法.首先利用设计的虚拟测试系统采集自动变速器3种状态下的运行数据,再对数据进行整理和筛选,提取合适的数据作为训练样本,然后设计基于支持向量机的多值分类器进行故障识别,最后与基于BP人工神经网络的诊断方法进行对比.结果表明,基于支持向量机的故障识别方法具有更快的收敛速度和更强的分类能力,适用于汽车自动变速器实时故障识别和诊断. 相似文献
9.
10.
汽车变速器齿轮故障的定量诊断研究 总被引:4,自引:1,他引:3
基于振动监测技术,以不解体汽车变速器为前提,探讨了倒谱分析机理。根据理论分析,倒谱值大小可以作为定量诊断汽车变速器齿轮故障的参量。通过汽车变速器台架模拟故障试验分析,得出用倒谱诊断汽车变速器齿轮故障的阈值。理论分析与试验结果一致。 相似文献
11.
基于时序-神经网络的车辆变速器齿轮故障诊断 总被引:6,自引:0,他引:6
采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状念特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有效、可行。 相似文献
12.
13.
14.
EEMD和SVM在发动机故障诊断中的应用 总被引:1,自引:0,他引:1
针对发动机缸盖振动信号的非线性非平稳特征,提出一种总体平均经验模态分解(EEMD)和支持向量机相结合的信号分析及故障诊断方法,该方法利用EEMD算法以及IMF序列和原始振动信号之间的相关系数,有效放大故障诊断特征向量的差异。对原始振动信号进行EEMD分解,得到各阶特征模态函数(IMF),求各阶IMF分量对应于原始信号的相关系数并组成故障分类特征向量。分别将IMF相关系数法和IMF能量分布法得到的特征向量作为输入,建立BP神经网络和支持向量机,判断发动机工作状态和故障类型。分析表明,对IMF求相关系数的方法简便易行,能有效放大不同工况下特征向量的差异,结合支持向量机能够对既定机型的配气机构和点火系常见故障进行准确识别。 相似文献
15.
以不解体汽车变速器为前提,利用振动监测技术,探讨了通过对振动谱分析来定量诊断汽车变速器故障。在对汽车变速器齿轮故障定性研究基础上,提出了通过频谱的谐波分析、幂函数回归分析和倒谱分析,可以定量诊断汽车变速器齿轮的故障程度,给出了诊断方法的思路与计算公式。 相似文献
16.
变分模态分解是一种新的自适应分解方法,为检验其对柴油机信号的适用性,建立多分量、调幅-调频和含噪仿真信号,采用变分模态分解法对其进行分解,并与其它自适应分解方法从分解效果、抑制模态混叠和端点效应能力等方面进行比较;接着分解柴油机瞬变工况的振动信号,发掘曲轴轴承磨损信号变化规律,提取故障特征;最后利用支持向量机进行故障类型识别,进一步验证该方法的有效性。结果表明:变分模态分解在分解效果、抑制模态混叠和端点效应能力等方面均优于其他自适应分解方法,适用于柴油机状态监测和故障诊断。 相似文献
17.
18.
19.
以常见的机械磨损故障——气门间隙过大故障为例进行了试验研究,提取缸盖振动加速度信号进行分析,发现故障状态的时域信号有明显低频周期性冲击,但在频谱的低频区间未现冲击频率;同时,在故障状态频谱中,3 000~4 500Hz范围的高频段振动能量有显著增加。通过小波包分解方法对信号分解至该故障特征频段,再进行希尔伯特解调分析,解调谱现显著的对应低频冲击的频率成分,可作为故障识别特征。分析结果表明,气门间隙过大故障造成的冲击引起缸盖或其部件共振调制现象,综合运用上述时域、频谱和共振解调分析,可对配气机构磨损故障进行故障特征提取,从而为准确诊断故障提供依据。 相似文献