对于如图2-6所示的一对齿轮副啮合的传动系统,可以将两齿轮体看作振源,而啮合区域(虚线框部分)即成为不断进行能量传递与耗损的本体,针对这一区域,以f1、v1和f2、v2分别表示源的激励力及其相应位置的速度,则振源瞬时输出功率为...[继续阅读]

    严格来说,故障诊断过程中测得的输入功率、根据式(2-26)计算得到的时间平均功率PE和振动信号大都是随机信号。为了便于研究,通常假设这些信号是平稳随机信号,且具有各态历经性,此时时间平均也可取代集合平均进行分析,因此功率...[继续阅读]

    利用频域信号的相干分析方法,依次对正常齿轮和断齿故障的振动信号和输入能量信号进行处理,通过对比分析,可以验证二者之间具有很强的相关性。之所以选取这两种截然不同的齿轮运行状态,是为了更明显地揭示振动信号和输入能...[继续阅读]

    当旋转设备发生比较典型的故障时,周期性振动信号会呈现冲击特性,振动信号的幅值也会突变,进而导致信号的能量分布发生变化。此时,可先求出某些振动信号的时域参数,并将其与事先设定的标准值进行比对,来对设备是否存在故障...[继续阅读]

    本章建立了二自由度的直齿轮对非线性动力学模型,对齿轮传动系统的振动机理进行了研究,具体工作如下:(1)对齿轮的静态传递误差变量进行了理论分析并建立了静态传递误差与扭矩的关系模型,指出在啮合过程中,若因齿弯曲变形、点...[继续阅读]

    在旋转机械故障诊断领域,为了有效提取故障的特征信息,先后涌现了许多先进的信号处理方法。传统的傅里叶变换分析方法不能在每处定位出信号的某一频率,为此产生了时频分析方法,如短时傅里叶变换和小波变换等,可以同时从时间...[继续阅读]

    实际机械设备的状态信号中都是平稳线性信号与大量非线性非平稳信号相叠加。传统的基于傅里叶变换的信号处理技术由于是采取把信号从整个时域变换到频域、用全部频率成分来描述信号的整体变化趋势,不能很好地呈现出局部信...[继续阅读]

    EMD方法将信号中不同尺度的变化趋势逐级分解,产生多个具有不同特征尺度的数据序列,从本质上对信号进行了平稳化处理,最终使得各IMF分量近似包含单一的频率成分,各IMF分量的瞬时频率加权平均后便可得到原信号的瞬时频率,保证了...[继续阅读]

    应用EMD分解方法得到信号的多个IMF分量,其幅值和频率均为时变,被分别称为瞬时幅值和瞬时频率,每个IMF分量的瞬时频谱可由Hilbert变换得出。设某一IMF分量为c(t),对其进行Hilbert变换,则其复解析信号为其中a(t)为幅值函数:φ(t)为相位函...[继续阅读]

    对每个IMF分量做Hilbert变换并忽略分解余项,数据可以表示为式(3-11)可在三维空间中把信号幅度、时间与瞬时频率均表现出来,这称为Hilbert时频谱,简称Hilbert谱,记作用Hilbert谱H(ω,t)对时间积分,即可定义HHT中的边际谱:N.E.Huang等人指出,无...[继续阅读]