基于对称极坐标法的变速器齿轮磨损故障诊断的研究

本文中引入对称极坐标表示法,对变速器齿轮磨损故障进行研究.首先将测得的变速器振动信号的时域波形转换为极坐标图形,通过图形变化来辨识变速器齿轮磨损故障.然后利用二进小波变换法来提取磨损故障特征,研究特征提取对极坐标图形变化的影响.最后,根据图像与标准磨损图像的相关系数对变速器齿轮的磨损状态进行分类.结果表明,该方法能揭示变速器齿轮磨损状态与极坐标图形的映射关系,实现变速器齿轮磨损故障可视化监测与诊断.     

Haar小波变换在变速器齿轮故障诊断中的应用

推导和证明了Haar小波连续小波变换时间和尺度的周期性，指出这种周期性可以提取出信号中的周期成分，并且使谐波和冲击信号在时间-尺度域中有不同的图形特征。因此根据这些特性可以识别齿轮裂纹产生的冲击和刚度变化，仿真和汽车变速器齿轮故障分析验证了Haar小波变换的有效性和实用性。     

基于复调制细化包络谱和SVM的变速器齿轮故障诊断研究EI北大核心CSCD

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。     

基于复调制细化包络谱和SVM的变速器齿轮故障诊断研究

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。     

基于小波变换的汽车振动信号去噪分析

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。并针对汽车振动信号的非平稳性特点,对驾驶员座椅振动信号用dB4小波进行了多分辨分析和小波包分析,并运用Matlab中的WaveletToolbox对其进行去噪处理,取得了明显的效果。通过与Fourier去噪的比较,可以看出小波变换在汽车振动信号去噪中有着Fourier分析无可比拟的优点。     

瞬态成分提取在变速器齿轮故障诊断中的应用

基于小波包的信号瞬态成分检测与提取方法及其应用，提出基于小波包分解特征表示和瞬态特征重建方法并应用于汽车变速器齿轮的故障诊断，结果表明基于小波包分解的信号特征表示方法能有效检测信号中瞬态成分的存在，瞬态成分的重建结果有效地表示了齿轮的故障状态。     

行驶车辆振动信号的小波分析

本文介绍了小波分析的理论方法，并上小波分析方法应用到了行驶车辆振动的分析中，即：通过二进离散小波变换，把实际振动信号进行多层小波分解，使异常信号和非平稳高频信号得到良好的时间定位和图形显示，并把信号的路面激励与本体振动分离开来。     

汽车齿轮变速器的高强度优化方法

随着相关技术的快速发展,汽车各方面的性能得到了显著提升,但依然存在一些问题。在汽车动力系统中,齿轮变速器是传动装置的重要组成部分。齿轮变速器的振动与工作性能均会影响到汽车驾驶过程的舒适性与安全性,同时对整车性能也会造成一定的影响。基于上述原因,介绍了汽车齿轮变速器的分类,阐述了齿轮变速器的基本结构,并对齿轮变速器进行了动力学仿真优化。优化结果提高了齿轮精度,减小了齿轮变速器产生的振动     

某纯电动工程机械变速器振动噪声分析

针对某纯电动工程机械变速器开发项目,在MASTA中建立变速器齿轮传动系统动力学模型,对因变速器齿轮传递误差而引起的振动噪声进行研究,利用全有限元网格技术探究了变速器壳体、轴及齿轮轮辐的柔性化对传递误差的影响,并通过微观修形,减小齿轮传递误差,改善了齿面接触状态,降低了变速器振动响应。研究结果表明,增加合理轮齿微观修形参数,可明显减小变速器振动响应,改善变速器的噪声、振动与声振粗糙度（NVH）性能。为设计初期控制变速器振动响应提供依据,为后期整车异响提供解决思路,具有较强的工程适用性。     

小波包能量特征法在汽车变速器轴承故障诊断中的应用

归纳和总结了小波神经网络轴承故障诊断法的实施步骤,阐述了小波包的原理,并以变速器轴承故障诊断为例,提取了小波包节点能量作为反映变速器轴承故障类型的振动信号特征参数,并用这些特征参数训练BP神经网络进行故障模式识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明了利用小波包能量法和BP神经网络进行变速器轴承故障诊断是可行而且有效的。     

Knocking detection using wavelet instantaneous correlation method

In this study, we propose a new method for knocking detection that utilizes the vibration signal measured by a knock sensor under the knocking conditions known as a real mother wavelet (RMW), and carry out instantaneous correlation from the wavelet transform. We call this method the wavelet instantaneous correlation (WIC) method. The degree of similarity between the RMW and the vibration of the engine block was judged and only the knocking signal from the vibration of the engine block was extracted. The results obtained here show that the method proposed in this study is useful for knocking detection even if the engine speed is very high at 6000 rpm.     

发动机扭振数字化测法精度影响因素及对策

阐述了发动机扭振数字化测法中信号齿盘齿数、分度误差、安装偏心及传感器的选型、计数器位数与计数晶振频率、数据传输方式、弯曲振动、滚振及转速波动等因素对测量精度的影响,并提出了相应的对策。     

基于时-频相干与 RBF 网络的气缸压力识别研究

针对从缸盖振动信号中分离燃烧激励引起的振动信号及其他干扰信号的问题,提出一种基于时‐频相干与神经网络的气缸压力识别方法。首先采用 Morlet 连续小波变换分别将缸盖振动信号和缸压信号在时‐频域内展开,然后采用交叉小波对两信号进行时‐频相干分析,设定相干系数阈值并进行掩膜处理,对所得结果重构便可得到燃烧激励引起的缸盖振动信号。最后,选取8个参数作为评价燃烧效果的特征指标,利用径向基函数（RBF）神经网络估计缸压。研究结果表明：该方法有效地提取了缸盖上的燃烧特征信号,通过 RBF 神经网络估计缸压,逼近于实际缸压变化。     

基于振动信号和小波变换的转速测量方法研究

通过分析发动机振动信号的基频与转速之间的数学关系,设计了基于LabVIEW的采集系统,利用小波变换的方法提取振动信号的基频,提出了一种精度高、易于实现的发动机瞬时转速检测算法,并通过试验验证了该方法的可行性.经过与实际转速比较,该算法的误差率在1%以内,准确性和鲁棒性均符合测量求,具有重要的实用价值.     

搭载行星减速器的纯电动客车振动试验研究

行星减速器为车辆传动系统提供期望传动比的同时,对车辆振动舒适性也会产生特定的影响。本文针对某搭载行星减速器的纯电动客车进行实车振动试验,综合应用计权均方根加速度评价、频谱分析、常相干分析和阶次分析的方法,探讨整车振动特性;与中央直驱式纯电动客车进行对比分析,评价行星减速器对纯电动客车振动舒适性的影响。结果表明,纯电动客车搭载行星减速器改善了驱动电机工作状态,从而显著提高了车内后部振动舒适性;行星减速器太阳轮偏心导致车内中部振动信号中出现以行星架转频为调制频率的调制边带,一定程度上影响了车内中部振动舒适性。     

基于零空间追踪和SWT的柴油机信号降噪研究

为减少柴油机振动信号的噪声干扰,提取有用的信息,提出了一种基于零空间追踪算法和同步压缩小波变换相结合的组合降噪方法,利用压缩小波对主频信号精细重构的优点与零空间追踪算法的自适应分解的特点对信号进行降噪处理。该方法相比 EMD 更加适应柴油机振动信号特点,仿真和实例信号表明,该方法取得了较好的降噪效果。