行星轮系早期故障诊断的研究与进展

来源 :机械传动 | 被引量 : 0次 | 上传用户:tltim2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
行星轮系是重要的旋转机械部件,对其早期故障进行诊断是避免重大事故发生的重要手段。行星轮系早期故障诊断已经成为学者研究的焦点。分析了行星轮系早期故障信号的特点,梳理了行星轮系早期故障机理、信号获取方法、故障特征提取与识别的研究现状;归纳总结了早期故障诊断研究存在的主要问题,提出了开展基于动力学模型的早期复合故障机理研究、基于多传感器的早期故障信号获取方法研究、基于多域分析的早期故障特征指标研究、基于数值模型驱动的早期故障诊断研究等方面的建议;为进一步开展行星轮系早期故障诊断的研究提供依据。
其他文献
地方文化是一个地方精神文明和物质文明的文化总和,形式多样,具有教育功能。将地方文化资源与高中思想政治课教学相融合不仅能够丰富教学资源,还能够激发学生的学习兴趣,培养家国情怀,从而更好的优化高中思想政治课的教学效果。本文立足于《普通高中思想政治课程标准》、思想政治学科核心素养、教学实际案例,对地方文化资源在高中思想政治课的应用进行研究,通过文献研究法、访谈法以及课堂观察等方法进一步将地方文化资源与高
学位
随着“大数据”时代的到来,数据规模呈现指数式增长,由此驱动的大规模优化已成为各领域亟待解决的科学问题.基于优势互补的思想,结合交替方向乘子法(ADMM)和序列二次规划(SQP)两种算法的长处,简金宝教授等人在2018年提出线性约束两分块优化的一种ADMM-SQP算法.该算法充分吸收ADMM分解降维以及SQP算法高效求解的优势,将分裂的优势运用于处理大规模二次规划(QP)子问题的求解,降低QP子问题
学位
《普通高中英语课程标准(2017年版)》提出了英语核心素养的四个组成部分,其中强调了学习能力,自主学习是学习能力的重要组成部分。因此,在英语学习中培养学生的自主学习能力是非常重要的。目前大多数英语教学仍然以教师为中心,旨在掌握基础知识和技能。因此,很难达到以学生为中心的学习的目标。在这种教育背景下,许多学者都在探索培养学生自主学习的好方法,尤其是在信息技术和网络领域。微课作为一种学习资源,具有时间
学位
复合故障特征提取是分析风电齿轮箱故障根因的关键。提出基于DRS和改进Autogram的复合故障特征提取方法。基于DRS方法削弱振动信号周期性成分对微弱故障成分的影响,结合谱峭度与谱负熵设计一种新的特征量化指标,对最大重叠离散小波包变换与无偏自相关处理后的各窄带分量进行综合评价,以选择最优的滤波频带,精确地识别包含复合故障特征的信号分量。本文方法应用于实际风电齿轮箱齿轮-轴承复合故障诊断中,能够有效
期刊
齿轮箱是风电机组重要且易出现故障的设备,早期故障威胁系统运行安全。在极端条件中高效、准确的齿轮箱故障诊断对风电机组的安全稳定运行至关重要,因此提出了基于改进深度森林的行星齿轮箱故障诊断方法。为了实现不平衡小样本与强噪声的极端条件下行星齿轮箱故障的高效诊断,首先针对旋转机械振动数据样本较少与不平衡的情况,在Wasserstein生成对抗网络中引入梯度惩罚,生成样本补充原始数据集。然后利用多粒度扫描处
期刊
蜻蜓算法(Dragonfly algorithm,DA)是一种新型群智能优化算法,于2016年由Mirjalili提出来,其灵感源于自然界中蜻蜓静态和动态的群体智能行为,主要模拟蜻蜓的避撞、结队、聚集、觅食和避敌来进行全局和局部搜索。DA算法具有结构简单清晰、搜索能力强等特点。随着研究的不断深入,研究者发现该算法存在求解精度低、收敛速度慢和易陷入局部极小等不足。本论文针对蜻蜓算法所存在的不足分析和
学位
目的:探讨积分制用于外来器械和植入物流程管理体系构建的效果。方法:对外来器械商实行积分制管理,从着装准备、服务态度、送货时间、器械质量、包装质量、包装时间、登记签收、手卫生、医疗垃圾处理等方面每月进行检查、评价、汇总。结果:外来器械及植入物的清洗合格率由81.6%上升至96%,使用后送回消毒供应中心清洗消毒率从2%上升到77%(P<0.05)。手术前1天15:00前将外来器械及植入物送到消毒供应中
期刊
“公牍”是我国古代重要的文档名词之一,自唐代至民国时期经历了千余年的发展演变,至现代仍被当做历史语言使用,延续性较好且词义稳定,在“牍族”文档名词中更是有着重要的地位。该词由“公”和“牍”两个词素组成,其中“公”有公家、官方之义,“牍”有文书之义,二者的组合固化了其文书含义。在唐代以前,单音词“牍”就已经具备了文档含义,并组成了“竿牍”“案牍”等“牍族”文档名词。发展到唐代,“公”与“牍”组词形成
学位
风电机组齿轮箱将机械能高速传输到发电机中,同时承受重载、制动器的瞬态脉冲和灰尘腐蚀,是风电机组中最易发生故障的部件之一。开发高效、准确的风电机组齿轮箱状态监测和故障识别方法可避免严重的齿轮箱故障,减少其造成的停机损失。提出了一种融合振动数据和SCADA系统数据的风电机组齿轮箱故障预警方法,该方法基于深度自编码器模型和统计过程控制图,首先将有限的振动数据通过小波变换和卷积神经网络转化为向量,和SCA
期刊
阐述风电机组的运行状况监测与故障诊断技术的特点,包括齿轮箱状态监测、叶片状态监测、发电机状态监测和故障诊断技术,探讨基于大数据的风力发电机组监测和故障定位。
期刊