大型齿轮箱信号分析处理与故障诊断
大型齿轮箱信号分析处理与故障诊断
齿轮箱故障诊断课程核心内容
研制完成大型齿轮箱信号分析处理与故障诊断模块，作为信号处理算法工具箱的主要功能模块，形成了以振动信号处理各类齿轮箱故障特征提取与诊断的经典算法模型，可应用于齿轮箱的信号分析、故障探测、故障诊断、趋势劣化评估等，采用全 Python 语言，以 B/S 模式，通过前端与后端集成开发，采用开放的、模块化、多层架构的设计思想实现声信号分析处理与故障诊断模块，能应用在不同场合的设备故障诊断与监测，满足不同类型机械设备与关键部件（齿轮箱等）的健康预诊与故障诊断需求。大型齿轮箱信号分析处理与故障诊断模块可灵活地集成到各种设备故障诊断与健康预诊系统，提供完整的算法类调用接口，基于该工具箱的各种信号处理模型，可迅速建立起一套完整的基于大型齿轮箱信号分析处理与故障诊断模块的设备故障诊断与健康预诊系统，也可支持各类系统研制与学术研究。大型齿轮箱信号分析处理与故障诊断模块主要包括的算法：
信号处理算法工具箱主界面
从信号处理算法工具箱主控界面可以看到，该工具箱实现的功能主要为各类信号处理算法的演示与分析，图形化的操作界面，操作人员可以直接通过左侧下拉菜单选择各类算法对信号进行处理分析，即使是技术水平不高的工人也可应用此软件调用各类信号处理算法。
图 1.1 主控界面
图 1.2 Teager-Kaiser算子分析
轴承振动信号分析处理与故障诊断模块：
图 1.3 能量熵分析
图 1.4 压缩感知分析
图 1.5 因子小波变换
图 1.6 差分频谱幅度调制
图 1.7 VMD_CVM
图 1.8 自回归模型降噪
图 1.9 全变差降噪
图 1.10 Moreau包络全变降噪
图 1.11 极小化极大-凹全变差降噪
图 1.12 动态模态分解
图 1.13 变分模式提取
图 1.14 多同步压缩变换
图 1.15 复杂度分析
图 1.16 定量分析
图 1.17 自适应相关
图 1.18 多尺度排列熵分析
