行星轮系复合故障的振动机理及联合字典分块稀疏诊断方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    51705156
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0503.机械动力学
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

As a key part of modern large equipment, the planetary gear train is complex and rich of moving components. In severe working conditions, the coupling modulation phenomena of compound fault often occur, which cannot be detected by existing models and diagnosis techniques. In this project, in consideration of the complexity of non-stationary vibration signals’ time-frequency features in the planetary gear train and the ambiguity of the modulation sideband coupling mechanism, the mapping relation between time-varying transfer paths and vibration modal parameters is studied. The vibration mechanism of the system is improved by considering both the time-varying transfer paths and displacement fluctuating excitation of solar gear’s floating mesh when the model is built. The equivalent modes of different fault excitations, the change law of the characteristic frequencies and the mapping relation between signal symptom and fault mode are studied, through which the coupling vibration response model of the compound fault is obtained. Based on the inner correlation of the time domain and angle domain characteristics of non-stationary fault signals of compound fault, the adaptive joint dictionary which has definite physical meaning and low redundancy is constructed. By utilizing the SVD (singular value decomposition) and EDS (energy difference spectrum), the multi-source non-stationary fault signal is de-noised block by block, leading to a low rank sparse signal model. The block sparse objective function is constructed through regularizing the nuclear norm as well. The compound fault signal could be decoupled and the feature of which could be extracted based on the joint dictionary and the convex relaxation optimization method. A novel vibration mechanism model and precise diagnostic method of planetary gear train’s compound fault are finally obtained.
作为现代重大装备的关键部件,行星轮系结构复杂且运动部件多,在恶劣工况下易出现复合故障耦合振动调制现象,现有模型和诊断方法难以精确辨识故障。针对行星轮系非平稳振动信号时频特征复杂、调制边频带耦合机制不明确且解耦难等问题,通过研究时变传递路径与振动模态参数的映射关系,并在建模时考虑浮动太阳轮啮合间隙的位移波动激励完善行星轮系振动机理,研究不同故障激励的等效模式及特征频率的变化规律、信号征兆与故障模式之间的映射关系,获得复合故障的耦合振动响应模型。基于复合故障非平稳信号时域和角域特征向量的内在相关性,建立物理意义明确、冗余度小的自适应联合字典。利用奇异值分解和能量差分谱对行星轮系复合故障的非平稳振动信号进行分块降噪,获得低秩稀疏信号模型;利用核范数规则化建立分块稀疏目标函数,基于联合字典和凸松驰优化算法解耦复合故障信号,实现故障特征提取,形成行星轮系复合故障的振动机理模型和精确诊断技术方法。

结项摘要

利用集中参数法、有限元法以及现象学方法分别建立了定轴轮系和行星轮系振动机理模型,从理论上研究了定轴齿轮在转速波动下正常、平稳型故障和冲击型故障时的振动调制信号产生机理,归纳总结了频谱特征。根据行星轮系的运动特点,考虑时变传递路径函数、时变啮合力方向,研究了轮系在正常状态下振动调制边带的产生机理、不同部件裂纹故障下的调制边带特征以及浮动式太阳轮结构特征下的调制边带规律,揭示了时变激励力与时变传递路径对振动信号特征的影响机制。根据机理和实验研究,分别建立了转速波动下定轴轮系健康状态与故障状态振动信号数学模型、行星轮系振动响应时空模型以及行星轮系故障振动信号数学模型,为故障特征提取和诊断等信号处理方法的正向设计提供了基础理论。针对齿轮系统时变工况,基于信号稀疏分解理论,提出了系列提取齿轮箱复合故障和滚动轴承故障特征的新方法。基于编辑倒频谱方法和信号稀疏分解,提出了一种低信噪比下滚动轴承故障特征提取方法。联合信号稀疏分解和阶次跟踪方法,实现了齿轮箱中平稳型故障和冲击型故障的解耦诊断。基于平方包络幅值解调和第一类贝塞尔函数相位解调,提出了一种齿轮系统振动调幅调频成分准确分离方法,可实现齿轮系统故障损伤程度的定量诊断。研究成果基本形成了一套完善的齿轮系统“故障机理-特征提取-诊断方法”的理论体系和工程应用技术,具有重要的理论研究意义和工程应用价值。. 研究成果共发表SCI文章17篇,EI收录论文3篇;申请授权发明专利3件,受理发明专利8件;培养博士生3人,硕士生5人;在国内外学术会议作分会主题邀请报告4次;发表论文总引用数量中英文191篇次,SCI总引用为108篇次,Google学术被引149篇次;在国内外同行中有较好的学术影响。

项目成果

期刊论文数量(20)
专著数量(0)
科研奖励数量(0)
会议论文数量(6)
专利数量(11)
Double-dictionary signal decomposition method based on split augmented Lagrangian shrinkage algorithm and its application in gearbox hybrid faults diagnosis
基于分裂增广拉格朗日收缩算法的双字典信号分解方法及其在变速箱混合动力故障诊断中的应用
  • DOI:
    10.1016/j.jsv.2018.06.064
  • 发表时间:
    2018
  • 期刊:
    Journal of Sound and Vibration
  • 影响因子:
    4.7
  • 作者:
    Yang Xiaoqing;Ding Kang;He Guolin;Li Yongzhuo
  • 通讯作者:
    Li Yongzhuo
Sliding window denoising K-Singular Value Decomposition and its application on rolling bearing impact fault diagnosis
滑动窗口去噪K-奇异值分解及其在滚动轴承冲击故障诊断中的应用
  • DOI:
    10.1016/j.jsv.2018.01.051
  • 发表时间:
    2018-05
  • 期刊:
    Journal of Sound and Vibration
  • 影响因子:
    4.7
  • 作者:
    Yang Honggang;Lin Huibin;Ding Kang
  • 通讯作者:
    Ding Kang
A Two-Stage Transfer Adversarial Network for Intelligent Fault Diagnosis of Rotating Machinery With Multiple New Faults
多新故障旋转机械智能故障诊断的两级传递对抗网络
  • DOI:
    10.1109/tmech.2020.3025615
  • 发表时间:
    2021-06-01
  • 期刊:
    IEEE-ASME TRANSACTIONS ON MECHATRONICS
  • 影响因子:
    6.4
  • 作者:
    Li, Jipu;Huang, Ruyi;Li, Weihua
  • 通讯作者:
    Li, Weihua
齿轮局部故障的滑窗相关和重叠群稀疏诊断方法
  • DOI:
    10.16385/j.cnki.issn.1004-4523.2020.05.023
  • 发表时间:
    2020
  • 期刊:
    振动工程学报
  • 影响因子:
    --
  • 作者:
    吴芳坦;林慧斌;何国林
  • 通讯作者:
    何国林
基于齿轮故障振动调制信号模型的调幅调频准确分离方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    振动工程学报
  • 影响因子:
    --
  • 作者:
    杨小青;丁康;何国林
  • 通讯作者:
    何国林

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

齿轮故障振动啮合调幅调频信号分离方法
  • DOI:
    10.16385/j.cnki.issn.1004-4523.2021.02.019
  • 发表时间:
    2021
  • 期刊:
    振动工程学报
  • 影响因子:
    --
  • 作者:
    杨小青;丁康;何国林
  • 通讯作者:
    何国林
行星传动系统振动信号数学模型及特征频率分析
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    机械工程学报
  • 影响因子:
    --
  • 作者:
    黄奕宏;丁康;何国林
  • 通讯作者:
    何国林
Z 情绪词汇加工大脑左右偏侧化认知差异的研究 Research on Cognitive Differences on Cerebral Left and Right Cognition in the Processing of Emotional Vocabulary
情绪词汇加工中大脑左右认知差异研究
  • DOI:
    10.12677/ap.2016.63038
  • 发表时间:
    2016
  • 期刊:
    Advances in psychology
  • 影响因子:
    --
  • 作者:
    陈湛愔;高俊杰;张光妍;何国林;周曙;许雯蔚;何良玉;林海峰;梁余航;陈奕奕
  • 通讯作者:
    陈奕奕
甲嘎松汤提取工艺的正交设计法优选
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    时珍国医国药
  • 影响因子:
    --
  • 作者:
    康萨·索朗其美;泽仁达瓦;何国林;桑传兰
  • 通讯作者:
    桑传兰
行星传动系统啮合振动信号的传递路径分析
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    重庆理工大学学报(自然科学)
  • 影响因子:
    --
  • 作者:
    黄奕宏;何国林;曾智杰
  • 通讯作者:
    曾智杰

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

何国林的其他基金

机理数据联合模型驱动的复合齿轮系统故障和寿命预测方法研究
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    58 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码