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。     

EMD和AR模型在汽车变速器轴承故障诊断中的应用

针对汽车变速器轴承振动信号的非平稳特征，提出了一种基于经验模态分解(Empirical Mode Decomposition，简称EMD)和自回归(Auto Regressing，简称AR)模型的滚动轴承故障诊断方法。实验结果表明，此方法可以准确、有效地识别变速器轴承的工作状态和故障类别。     

支持向量机和基于IMF的特征能量法在汽车变速器轴承故障诊断中的应用

针对汽车变速器轴承振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出了一种基于内禀模态函数(IMF)的特征能量法和支持向量机的变速器轴承故障诊断方法。对变速器轴承内圈、外圈故障振动信号的分析结果表明,该方法在小样本情况下仍可有效提取变速器轴承的故障特征,并能成功地对其工作状态和故障类型进行分类。     

基于振动监测技术的变速器轴承故障诊断研究

某轻型汽车变速器在试验时轴承发生严重损坏,轴承保持架碎裂,内滚道出现间隔均匀的滚珠压痕,滚子严重点蚀。本文以该变速器一轴用轴承为研究对象,利用振动监测技术对该轴承损坏的机理进行分析研究,准确诊断出故障变速器轴承损坏的机理并提出应对措施,措施实施后变速器轴承运行良好。本文对变速器用轴承选型以及轴承故障诊断提供理论和方法指导。     

基于LabVIEW的车载轴承振动监测系统设计

目前大部分车用轴承的工作环境恶劣,轴承容易出现各种形式的故障。文章提出采用基于振动分析的轴承故障诊断方法,借助LabVIEW软件平台,以变速器滚动轴承为例设计出一套车载轴承振动监测系统。该系统可以使轴承处于良好的工作状态,并在故障产生后及时更换轴承以保证汽车运行的稳定性、安全性和可靠性,并对某些车用轴承进行实时的状态监测和故障诊断,对推进融入深度学习的智能诊断系统发展有着重要意义。     

基于DSP的汽车无级变速器故障诊断系统研究

在分析无级变速器（CVT）原理的基础上,设计了基于DSP的无级变速器故障诊断系统硬件和软件。神经网络有学习和记忆能力,可以解决复杂的非线性问题,基于神经网络的故障诊断方法对系统有很好的跟踪能力,可以准确地识别系统存在的故障。试验结果表明,采用动量—自适应算法的BP神经网络模型能很好地实现系统的故障诊断功能。     

神经网络技术在自动变速器故障诊断中的应用

文章将神经网络引入到汽车故障诊断系统中,利用神经网络建立自动变速器的故障诊断模型,能更快更准确地分析和排除疑难故障。     

汽车变速器轴承故障的诊断技术研究

介绍了汽车变速器不解体故障诊断研究的必要性，分析汽车变速器滚动轴承的故障机理，利用振动监测技术，对汽车变速器滚动轴承的故障进行了研究。在对汽车变速器台架模拟试验分析的基础上，探讨了适合汽车变速器滚动轴承故障诊断的方法。     

基于EMD和AR模型的汽车变速器齿轮故障诊断方法

提出了基于EMD和AR模型的汽车变速器齿轮故障诊断方法。该方法采用EMD将齿轮振动信号分解成若干个平稳的IMF分量,对每一个IMF分量建立AR模型,以模型的自回归参数和残差的方差作为特征向量建立Mahalanobis。距离判别函数,进而识别齿轮的工作状态。实验分析表明,该方法能有效地应用于变速器齿轮的故障诊断。     

BP神经网络在自动变速器故障诊断中的应用

由于自动变速器故障自诊断系统不易准确判断故障原因和具体位置,文章借助汽车OBD自诊断协议,组建自动变速器电子控制系统的诊断数据采集系统。以某轿车01M型自动变速器不能升挡故障为例,采用V.A.S5052故障诊断仪对其进行数据采集与分析。建立了基于BP神经网络的典型故障诊断模型,并对自动变速器典型故障进行实际数据测试,准确识别出自动变速器不能升挡的典型故障原因是节气门位置传感器线路故障和车速传感器断路故障。结果表明人工神经网络具有很高的诊断精度。