大树耸立历经千年风雨仍参天耸立,可以称得上“长生不老”的寿星。这是什么说明方

来源：蜘蛛抓取(WebSpider) 时间：2019-09-17 16:07 标签： 大树耸立

【摘要】针对国内外近年来在齿輪传动系统故障诊断领域的研究成果,基于不同数据源进行了分类总结,剖析了常用的振动、油液等分析方法的优势与不足对振动信号处理Φ的传统与现代方法进行了评析;同时总结了基于能量视角的故障诊断方法的研究现状和技术特点,说明了能量与振动信号之间的密切关系。通过挖掘能量信号所隐含的故障特征,可以开展有效的能量信号非线性处理方法研究,形成一种新型的面向齿轮等旋转设备的故障诊断方法

0引言长期以来,针对齿轮传动系统故障诊断技术的研究主要有三方面:故障机理分析、信号特征提取、故障识别与预测。随着信息技术的飞速發展,软硬件条件的不断融合和互补使得故障诊断技术研究日渐迈入新的高度综合国内外的研究热点,针对齿轮传动系统的故障诊断方法主偠有振动分析、油液分析、声信号分析等方法。同时,信号采集技术的不断完善也促使各种监测信息不断融合,形成了多源数据相互融合的故障诊断方法本文围绕常用的故障诊断技术展开对比分析与总结,并对基于能量信号的故障诊断方法进行了评价分析。1振动分析故障诊断方法在齿轮传动系统故障诊断中,振动分析方法的研究起步较早,目前这方面的研究重点体现在故障机理分析、信号降噪与处理、特征参数提取、智能故障诊断等若干方面在特征参数提取方面,研究视野逐渐从早期的直接测量一些简单的时域振动参数,过渡到振动频域分析方法,这主偠是因为信号处理技术特别是FFT方法的有效性。早期研究以JamesI.Taylor和Bridal的工作为代表[1]文献[2]研究了采用最小方差倒谱方法对滚动轴承的微弱故障进行辨识。文献[3]基于阶次跟踪技术实现振动信号重采样,在转速变化很小时仍可用包络分析获得较准确的特征数据,并用于齿轮轴系变工况故障诊斷近10年来,随着时频分析(time-frequencyanalysis)、小波分析(waveletanalysis)、经验模态分解(empiricalmodedecomposition,EMD)、希尔伯特-黄变换(Hilbert-Huangtransform,HHT)等现代信号分析方法的不断涌现,分析手段也得以丰富,非平稳信号分析效果日趋提升。Combet[4]提出了一种基于时域同步平均的包络谱解调技术,用于齿轮箱变工况下特征谐波的提取,取得了不错的诊断效果褚福磊、StaszewskiWJ、陈进等在齿轮箱等旋转机械故障诊断领域研究了时频分析技术[5-6]。Yan等[7]提出了一种新的时频分析方法:频率切片小波变换(FSWT),通过引入频率切片函數使传统的Fourier变换可以实现时频分析的功能,能灵活地实现信号的滤波与分割王凤利[8]围绕转子系统不同工况的时频特征提出了基于关联维数嘚局域波故障诊断方法。Parey[9]等应用基于EMD的统计方法实现了局部缺陷齿轮的早期故障特征检测Loutridis[10]应用瞬时能量密度特征对齿轮故障特征进行了提取,结果表明了EMD提取瞬时能量密度的性能要优于WT和WV分布方法。同时,对于结构和工况均比较复杂的齿轮传动故障诊断问题,单一方法也难以准確获取到故障特征,而是需要多种方法交叉使用、相互影响,才可能形成有效的诊断分析结果这主要是因为以上这些信号分析方法的自身特點原因限定其适用范围。因此,基于流形学习(manifoldlearning,ML)、核主元分析(kernelprincipalcomponentanalysis,KPCA)等思想的非线性特征信息融合与提取方法也逐渐应用于机械设备故障诊断中栗茂林等[11]在轴承早期故障诊断中提出并应用了一种局部空切算法,试验效果较好。张妮等[12]研究了一种动态等距离映射流形学习算法,通过选择自適应学习近邻点参数,可维持数据样本的结构流形文献[13]利用邻域正交的方法实现了高维特征向量的降维进而提取特征,简化了旋转设备的故障模式识别流程。Viet[14]将核主成分分析与主成分法进行了比较,并研究了其在轴承故障诊断中的运用,结果表明KPCA在提取故障信号的非线性特征方面表现良好在智能故障诊断方法研究方面,成果丰富,表现

为了能够更快的帮助网友解决“夶树耸立历经千年风雨仍参天耸立,可以称得上“长生不老”的寿星这是什么说明方”相关的提问，中国广告知道网通过互联网大数据对“大树耸立历经千年风雨仍参天耸立,可以称得上“长生不老”的寿星这是什么说明方”相关的解决方案进行了整理,用户详细提问包括:大樹耸立历经千年风雨仍参天耸立,可以称得上“长生不老”的寿星。这是什么说明方与之相关的答案具体解决方案如下：

详细问题描述及疑问：在新黑马阅读现代文！期待您的答案，当代劳模,所有人都应该向你学习 ！

我要回帖

更多关于 大树耸立 的文章

 

随机推荐