湖北省教育厅科学技术研究项目(Z20101501)
- 作品数：4 被引量：19H指数：3
- 相关作者：陈汉新贺文杰鲁艳军杨诗琪刘岑更多>>
- 相关机构：武汉工程大学更多>>
- 发文基金：湖北省教育厅科学技术研究项目武汉市科技攻关计划项目教育部“新世纪优秀人才支持计划”更多>>
- 相关领域：机械工程理学更多>>
- 检测与诊断齿轮裂纹故障的一种方法被引量：6
- 2014年
- 基于径向基函数(RBF)网络优化的粒子滤波降噪与序贯概率比检验相结合的原理,提出了一种检测与诊断齿轮裂纹故障的方法,并采集一种无裂纹与另外两种存在差异裂纹齿轮的水平方向振动信号,对该方法进行验证.首先,运用RBF网络优化的粒子滤波程序对原始振动信号进行降噪预处理,将振动真实值从中提出;然后,利用时域分析法提取振动真实值的特征参数(峭度值)序列;最后,将特征值序列输入序贯概率比检验程序,根据结果图综合分析对不同齿轮故障进行区分.结果表明建立的优化粒子滤波程序对原始振动信号降噪处理效果良好,获得了细致、准确和稳定的振动信号;序贯概率比检验能比较与区分齿轮不同的故障,改进了齿轮箱故障检测与诊断效果.
- 陈汉新刘岑杨诗琪
- 关键词：粒子滤波序贯概率比检验齿轮箱故障诊断
- 基于EMD和FFT的齿轮箱故障诊断被引量：11
- 2011年
- 提出了一种基于小波包分析(WPA),经验模态分解(EMD)和快速傅里叶变换(FFT)的齿轮箱故障诊断方法,此方法适合于非线性非稳态信号的自适应分析.首先运用WPA对采集的齿轮箱振动信号进行分解可得到不同频率的子频带;然后对各子频带信号进行EMD,从而得到一定数量的本征模态函数(IMF);最后选取特定的IMF,对其作FFT可得到相应的功率谱,从而提取齿轮箱故障特征频率,进而对齿轮箱故障模式进行识别和诊断.分析结果表明本文所提议的方法能有效地检测出齿轮箱故障特征频率.
- 贺文杰Bajole JtulienYoann Plassard陈汉新鲁艳军
- 关键词：齿轮箱经验模态分解快速傅里叶变换故障诊断
- 基于混合特征提取和WNN的齿轮箱故障诊断被引量：4
- 2011年
- 提出了一种基于混合特征提取和小波神经网络(WNN)的齿轮箱故障诊断方法,运用时域分析法、小波分解和小波包分解相结合的方法对齿轮箱振动信号进行故障特征提取,将所提取的特征值作为WNN分类器的特征输入参数,采用反向传播(BP)算法对WNN结构中的平移参数、尺度参数、连接权值和阈值进行调整和优化.在实验中采用不同裂纹尺寸的齿轮来模拟三种故障模式,通过对三种故障齿轮进行诊断和分类,能证明本文所提议的故障诊断方法是有效且可靠的.
- 鲁艳军陈汉新贺文杰尚云飞陈绪兵
- 关键词：齿轮箱特征提取小波神经网络故障诊断
