采煤机摇臂齿轮是采煤机故障高发区,对其进行故障诊断研究可提高摇臂可靠性,提高工效。结合摇臂工作特点,提出基于EMD能谱熵和概率神经网络的齿轮故障诊断方法,提取振动信号EMD分解的前9个IMF分量的能谱熵作为故障特征信息,并将其作为概率神经网络的输入向量进行齿轮故障的分类与识别。结果证明该方法可实现齿轮故障准确诊断,是一种有效的摇臂齿轮故障诊断方法。

针对齿轮故障特征信息往往被信号中的噪声淹没的问题,提出了一种基于谐波小波包、样本熵和灰色关联度的齿轮故障识别方法。首先,采用顺序形态滤波器,并结合实际选用最简单的直线结构元素,对实测齿轮振动信号进行顺序形态滤波降噪预处理。然后,采用谐波小波包将不同故障的齿轮振动信号分解到3层共8个频带上,并计算各频带的样本熵。最后,以样本熵为元素构造特征向量,通过计算标准故障模式特征向量与待识别样本的灰色关联度来判断齿轮的工作状态和故障类型。试验结果表明,该方法能够有效地应用于齿轮系统的故障诊断。

罗克韦尔自动化 Odyssey设备故障监测及诊断系统产品介绍（中文）pdf,罗克韦尔自动化 Odyssey设备故障监测及诊断系统产品介绍（中文）报告功能 产品总结 EMON| T OR O dy ssey标准版特点 内容全面的报告提供快捷有效的机器信 自动计算频段报警和频谱报警 息。 EMONIT OR Od yssey提供了30多种 EMONIT OR Odyssey标准版软件 将采集的数据与报警限自动比较,识 标准的报告格式以及一个自定义报告生 EMONITORσ d esse准版软件为您的

针对恶劣环境影响下齿轮特征信息难以被有效提取出来的情况，提出了一种基于自适应随机共振降噪和改进局部均值分解的齿轮故障诊断算法。利用粒子群优化算法对随机共振参数进行优选，实现最佳随机共振输出，提取出微弱故障信息；基于故障特征频率信噪比，改进局部均值分解，剔除伪分量的干扰，提取模糊熵特征对齿轮类型进行诊断识别。实验研究表明，该方法能较好地识别出多种齿轮类型，是一种有效的齿轮故障诊断算法。