采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)振源定位分析方法*

毛清華， 張旭輝， 馬宏偉， 邢 望， 樊紅衛(wèi)

(西安科技大學(xué)機(jī)械工程學(xué)院 西安，710054)

?

采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)振源定位分析方法*

毛清華， 張旭輝， 馬宏偉， 邢 望， 樊紅衛(wèi)

(西安科技大學(xué)機(jī)械工程學(xué)院 西安，710054)

為了研究采煤機(jī)搖臂傳動(dòng)齒輪的振動(dòng)分析方法并進(jìn)行實(shí)機(jī)振源定位驗(yàn)證，首先，采用小波分析對(duì)采煤機(jī)搖臂振動(dòng)信號(hào)進(jìn)行降噪處理和頻譜分析，依據(jù)特征頻率下的振幅結(jié)果確定故障齒輪的嚙合頻率；然后，通過Morlet小波包絡(luò)解調(diào)分析獲取邊頻帶信號(hào)頻譜特征，依據(jù)邊頻帶特征頻率下的振幅結(jié)果確定故障齒輪的轉(zhuǎn)動(dòng)頻率；最后，對(duì)頻譜分析和Morlet小波包絡(luò)解調(diào)分析的結(jié)果進(jìn)行綜合分析，鎖定故障齒輪的準(zhǔn)確位置。對(duì)一臺(tái)國產(chǎn)采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)進(jìn)行了振動(dòng)測(cè)試與信號(hào)分析，結(jié)果表明，基于小波分析、頻譜分析和Morlet小波包絡(luò)解調(diào)分析相結(jié)合的振動(dòng)分析方法可以實(shí)現(xiàn)對(duì)采煤機(jī)搖臂故障齒輪的準(zhǔn)確定位，為強(qiáng)噪聲環(huán)境下復(fù)雜齒輪傳動(dòng)系統(tǒng)的故障快速定位和現(xiàn)場(chǎng)定點(diǎn)維修提供了方法支持。

采煤機(jī)； 振動(dòng)測(cè)試； 小波分析； 頻譜分析； Morlet小波包絡(luò)解調(diào)

引 言

采煤機(jī)是煤礦采煤工作面的核心設(shè)備之一，其運(yùn)行狀態(tài)和振動(dòng)水平直接影響煤礦生產(chǎn)的經(jīng)濟(jì)性和安全性[1-2]。搖臂是采煤機(jī)切割煤層的關(guān)鍵動(dòng)力部件，具有傳動(dòng)鏈長、齒輪類型多及環(huán)境噪聲強(qiáng)的特點(diǎn)，給采煤機(jī)搖臂的現(xiàn)場(chǎng)故障診斷準(zhǔn)確性帶來了極大挑戰(zhàn)。振動(dòng)檢測(cè)方法是機(jī)械傳動(dòng)系統(tǒng)故障診斷的良好方法，其主要是通過振動(dòng)信號(hào)的時(shí)域和頻域特征提取來實(shí)現(xiàn)[3-5]。鑒于現(xiàn)代機(jī)電設(shè)備故障的多元性和耦合特征，在實(shí)際故障定位研究中，通常采用多方法聯(lián)合診斷的思路。文獻(xiàn)[6]運(yùn)用時(shí)域波形、峭度指標(biāo)、細(xì)化譜和倒頻譜判斷機(jī)械故障的具體部位，對(duì)旋轉(zhuǎn)機(jī)械的故障診斷和定位具有較高的準(zhǔn)確率。文獻(xiàn)[7]運(yùn)用小波包與倒頻譜分析對(duì)風(fēng)電機(jī)組齒輪箱的齒輪裂紋故障進(jìn)行了診斷，實(shí)現(xiàn)了故障的準(zhǔn)確定位。文獻(xiàn)[8]運(yùn)用經(jīng)驗(yàn)?zāi)Ｊ椒纸夂腿⒆V相結(jié)合的方法實(shí)現(xiàn)了對(duì)轉(zhuǎn)子不平衡的準(zhǔn)確診斷。鑒于采煤機(jī)搖臂齒輪副多、傳動(dòng)鏈長且采煤機(jī)環(huán)境噪聲大的特點(diǎn)，對(duì)采煤機(jī)搖臂傳動(dòng)系統(tǒng)振動(dòng)特征頻率進(jìn)行理論計(jì)算和振動(dòng)信號(hào)分析發(fā)現(xiàn)，其振動(dòng)信號(hào)中具有多個(gè)齒輪振動(dòng)特征頻率相同、包含大量噪聲、振動(dòng)特征頻率出現(xiàn)多次諧波以及特征頻率周邊具有多個(gè)邊頻帶等特點(diǎn)。小波分析是一種良好的信號(hào)降噪方法，能有效濾除振動(dòng)信號(hào)中的強(qiáng)噪聲，從而有效提取故障信號(hào)[9-12]。振動(dòng)信號(hào)的邊頻帶包含著齒輪傳動(dòng)諸多故障信息，目前常用邊頻帶頻譜分析方法主要有希爾伯特變換解調(diào)分析和Morlet小波包絡(luò)解調(diào)分析兩種。Morlet小波包絡(luò)解調(diào)分析相比希爾伯特變換解調(diào)分析，可以減少包絡(luò)檢波分析中人為設(shè)定濾波中心頻率和帶寬的影響[13-14]。

為了提高信噪比并準(zhǔn)確定位振源，筆者采用小波變換去除采煤機(jī)搖臂振動(dòng)信號(hào)中的噪聲，運(yùn)用頻譜分析與Morlet小波包絡(luò)解調(diào)分析相結(jié)合的方法獲得齒輪的故障振動(dòng)特征頻率和轉(zhuǎn)動(dòng)頻率，在此基礎(chǔ)上實(shí)現(xiàn)采煤機(jī)搖臂傳動(dòng)系統(tǒng)振源的準(zhǔn)確定位。

1 采煤機(jī)搖臂振源定位分析方法

采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)振動(dòng)信號(hào)分析方法如圖1所示。首先，應(yīng)用小波降噪方法對(duì)采集到的振動(dòng)信號(hào)進(jìn)行降噪處理，對(duì)比故障與正常狀態(tài)下采煤機(jī)搖臂振動(dòng)信號(hào)時(shí)域均方根值，進(jìn)行故障預(yù)判，當(dāng)振動(dòng)信號(hào)時(shí)域均方根值超過正常振動(dòng)信號(hào)一定范圍時(shí)進(jìn)行故障定位。故障定位分以下兩個(gè)步驟進(jìn)行：

1) 對(duì)降噪后的振動(dòng)信號(hào)進(jìn)行頻譜分析，與正常狀態(tài)下的頻譜分析結(jié)果對(duì)比，得出故障齒輪振動(dòng)特征頻率，鑒于采煤機(jī)傳動(dòng)系統(tǒng)存在多個(gè)齒輪振動(dòng)特征頻率相同的情況，這里頻譜分析只能初步確定故障可能部位；

2) Morlet小波包絡(luò)解調(diào)分析可以對(duì)振動(dòng)特征頻率相同的齒輪族，根據(jù)各不同齒輪的轉(zhuǎn)動(dòng)頻率來確定發(fā)生故障的準(zhǔn)確部位，因此，根據(jù)頻譜分析與Morlet小波包絡(luò)解調(diào)分析即可完成故障部位的最終確定。

圖1 采煤機(jī)搖臂故障定位分析流程圖Fig.1 Flow chart of shearer ranging arm fault location analysis

2 Morlet小波包絡(luò)解調(diào)分析方法

Morlet小波是一種復(fù)數(shù)小波，其實(shí)部為零相移濾波器和虛部為90°相移濾波器，故運(yùn)用Morlet小波進(jìn)行復(fù)數(shù)小波變換后的小波系數(shù)的實(shí)部和虛部相位差90°。根據(jù)包絡(luò)檢波解調(diào)原理可知，當(dāng)兩個(gè)信號(hào)幅值相同并且相位相差90°時(shí)，可通過解調(diào)提取幅值分量，且其具有全頻帶范圍內(nèi)帶通濾波器功能。因此，可通過Morlet小波包絡(luò)解調(diào)分析方法獲得小波系數(shù)中的包絡(luò)分量。

根據(jù)小波變換原理，Morlet小波包絡(luò)解調(diào)的計(jì)算過程如下

Wf(a,b)=f(t)*ψa,b(t)=f(t)*ψa,r(t)+

f(t)*jψa，i(t)

(1)

其中：f(t)為實(shí)際信號(hào)；ψa,b(t)為復(fù)Morlet小波函數(shù)；ψa,r(t)為復(fù)Morlet小波函數(shù)實(shí)部；ψa，i(t)為復(fù)Morlet小波函數(shù)虛部。

根據(jù)Morlet小波的實(shí)部和虛部展開，得出Wf(a,b)的實(shí)部與虛部表達(dá)式為

(2)

(3)

根據(jù)式(2)和式(3)可得小波系數(shù)包絡(luò)分量計(jì)算式

(4)

式(4)中Wf(a,b)的實(shí)部和虛部可以在時(shí)域中根據(jù)式(2)和式(3)的卷積計(jì)算得出。為了提高計(jì)算速度，將其轉(zhuǎn)換到頻域用快速傅里葉變換(fast Fourier transformation,簡稱FFT)，計(jì)算公式為

(5)

(6)

根據(jù)式(5)和式(6)可得出ψ(t)的傅里葉變換式為

(7)

對(duì)式(1)進(jìn)行傅里葉變換可得

(8)

對(duì)式(8)進(jìn)行傅里葉反變換可得

(9)

式(8)和式(9)為其在頻域內(nèi)進(jìn)行復(fù)數(shù)小波變換的計(jì)算公式。將得到的Wf(a,b)的實(shí)部Re[Wf(a,b)]和虛部Im[Wf(a,b)]代入式(4)中，即得小波系數(shù)中的包絡(luò)分量。

3 測(cè)試方案和振動(dòng)特征頻率計(jì)算

3.1 采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)振動(dòng)測(cè)試方案

采煤機(jī)搖臂如圖2所示，振動(dòng)傳感器布置在圖中按數(shù)字編號(hào)給出，振動(dòng)傳感器選用DH186E-IEPE壓電加速度傳感器，其靈敏度為9.97 mV/(m·s-2)，信號(hào)采集選用DH5901手持式振動(dòng)測(cè)試儀。圖2中，徑向和軸向加速度傳感器分別安裝在測(cè)點(diǎn)1～測(cè)點(diǎn)6。

1-電機(jī)軸軸向；2-惰輪軸軸向；3-傳動(dòng)二軸軸向；4-電機(jī)軸徑向；5-惰輪軸徑向；6-傳動(dòng)二軸徑向圖2 振動(dòng)傳感器布置圖Fig.2 Vibration sensor layout

3.2 采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)振動(dòng)特征頻率計(jì)算

采煤機(jī)左右搖臂為對(duì)稱結(jié)構(gòu)，搖臂傳動(dòng)系統(tǒng)結(jié)構(gòu)如圖3所示，電機(jī)轉(zhuǎn)速為1.5 kr/min。根據(jù)圖3，通過理論計(jì)算得出搖臂齒輪轉(zhuǎn)動(dòng)頻率及傳動(dòng)齒輪嚙合頻率,如表1所示。

圖3 采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)圖Fig.3 Shearer ranging arm gear system

齒輪代號(hào)轉(zhuǎn)動(dòng)頻率/Hz嚙合頻率/Hz齒輪代號(hào)轉(zhuǎn)動(dòng)頻率/Hz嚙合頻率/HzZ1525.00700.0Z2211.81189.0Z1617.95700.0Z237.88189.0Z1717.50700.0Z2400Z1817.50472.5Z252.3642.5Z1914.32472.5Z261.8542.5Z2014.32472.5Z2700Z2111.81472.5

由表1可知，該采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)中存在多個(gè)齒輪具有相同嚙合頻率的現(xiàn)象。因此，需要通過Morlet小波包絡(luò)解調(diào)分析得出故障齒輪轉(zhuǎn)動(dòng)頻率來實(shí)現(xiàn)故障齒輪的準(zhǔn)確定位。

4 采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)振源定位分析

試驗(yàn)時(shí)，對(duì)某型號(hào)采煤機(jī)搖臂處于正常狀態(tài)和故障狀態(tài)的振動(dòng)信號(hào)進(jìn)行了采集。測(cè)試時(shí)，故障搖臂的振動(dòng)噪聲很大，通過對(duì)搖臂故障狀態(tài)的各位置傳感器時(shí)域信號(hào)分析發(fā)現(xiàn)，惰輪軸處軸向振動(dòng)信號(hào)的幅值最大，故對(duì)惰輪軸的軸向振動(dòng)信號(hào)進(jìn)行分析。

4.1 時(shí)域分析

時(shí)域分析主要通過同一位置搖臂實(shí)際振動(dòng)測(cè)試信號(hào)與搖臂正常狀態(tài)振動(dòng)信號(hào)的峰值或均方根值對(duì)比分析來對(duì)故障預(yù)判?？紤]到實(shí)際工作中振動(dòng)信號(hào)峰值特征存在隨機(jī)因素，筆者采用均方根值作為故障預(yù)判指標(biāo)。根據(jù)對(duì)該機(jī)型搖臂惰輪軸處多次正常狀態(tài)振動(dòng)信號(hào)均方根值的計(jì)算分析發(fā)現(xiàn)，正常狀態(tài)均方根最大不超過17.1 m/s2。

運(yùn)用小波降噪方法對(duì)所采集的振動(dòng)信號(hào)進(jìn)行降噪，搖臂傳動(dòng)系統(tǒng)正常和故障狀態(tài)降噪處理后的時(shí)域波形如圖4所示。根據(jù)圖4可知，搖臂正常狀態(tài)下振動(dòng)信號(hào)的幅值最大值和均方根值分別為126.1和12.2 m/s2， 故障狀態(tài)下振動(dòng)信號(hào)幅值的最大值和均方根值分別為718.9和202.9 m/s2，其時(shí)域波形均方根值遠(yuǎn)大于正常狀態(tài)均方根值的最大值17.1 m/s2。

圖4 正常與故障搖臂惰輪軸處振動(dòng)信號(hào)時(shí)域波形圖Fig.4 Idler shaft vibration signal time-domain waveform of normal and fault ranging arm

因此，通過時(shí)域分析，初步預(yù)判搖臂齒輪傳動(dòng)系統(tǒng)發(fā)生了故障。

4.2 頻譜分析

為了對(duì)搖臂齒輪傳動(dòng)系統(tǒng)故障部位進(jìn)行定位，對(duì)采煤機(jī)正常與故障時(shí)的搖臂惰輪軸處時(shí)域信號(hào)進(jìn)行FFT分析，得到正常與故障搖臂齒輪傳動(dòng)系統(tǒng)的振動(dòng)信號(hào)頻譜分析結(jié)果，如圖5所示。

圖5 正常與故障搖臂惰輪軸處振動(dòng)信號(hào)頻譜圖Fig.5 Idler shaft vibration signal spectrogram of normal and fault ranging arm

由圖5可知，正常搖臂在945 Hz(472.5 Hz的二倍頻)處幅值為0.978 m/s2，在1 400 Hz(700 Hz的二倍頻)處幅值為0.598 1 m/s2；故障搖臂在945 Hz(472.5 Hz的二倍頻)處幅值為28.61 m/s2， 在1 418 Hz(700 Hz的二倍頻)處幅值為16.24 m/s2。據(jù)此數(shù)據(jù)和表1中理論值對(duì)比，搖臂故障部位初定為Z15,Z16,Z17,Z18,Z19,Z20和Z21。

4.3 Morlet小波包絡(luò)解調(diào)分析

圖6 正常與故障搖臂惰輪軸處振動(dòng)信號(hào)解調(diào)譜Fig.6 Idler shaft vibration signal demodulation spectrogram of normal and fault ranging arm

為了進(jìn)一步準(zhǔn)確定位故障齒輪，需獲得齒輪的轉(zhuǎn)動(dòng)頻率。運(yùn)用Morlet小波包絡(luò)解調(diào)分析對(duì)正常和故障搖臂惰輪軸處的振動(dòng)信號(hào)進(jìn)行解調(diào)譜分析，得出正常與故障搖臂振動(dòng)信號(hào)解調(diào)，如圖6所示。由圖可知，在轉(zhuǎn)頻17.58和34.96 Hz(17.58 Hz的二倍頻)處，正常與故障搖臂惰輪軸處振動(dòng)幅值分別為0.013 17和0.160 2 m/s2;0.022 73和0.177 9 m/s2，轉(zhuǎn)動(dòng)頻率為17.5 Hz處幅值提高了約12倍，即故障齒輪發(fā)生在轉(zhuǎn)動(dòng)頻率為17.5 Hz的齒輪上。由表1可知，轉(zhuǎn)動(dòng)頻率為17.5 Hz的齒輪為Z17和Z18，因此，判定故障發(fā)生在齒輪Z17和Z18處。

綜合頻譜分析和Morlet小波包絡(luò)解調(diào)分析結(jié)果，確定搖臂故障齒輪為Z17和Z18。據(jù)此，將Z17和Z18齒輪更換，更換后經(jīng)過測(cè)試，搖臂傳動(dòng)系統(tǒng)的振動(dòng)和噪聲大大降低，搖臂恢復(fù)正常工作。試驗(yàn)結(jié)果表明，基于小波分析、頻譜分析與Morlet小波包絡(luò)解調(diào)分析相結(jié)合的振動(dòng)分析方法實(shí)現(xiàn)了對(duì)采煤機(jī)搖臂齒輪故障的準(zhǔn)確定位。

5 結(jié)束語

針對(duì)采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)的結(jié)構(gòu)和振動(dòng)特點(diǎn)，提出了一種小波分析、頻譜分析與Morlet小波包絡(luò)解調(diào)分析相結(jié)合的振源定位分析方法。運(yùn)用該方法對(duì)某采煤機(jī)搖臂傳動(dòng)系統(tǒng)的振源部位進(jìn)行了定位試驗(yàn)。試驗(yàn)結(jié)果表明，小波分析、頻譜分析與Morlet小波包絡(luò)解調(diào)分析相結(jié)合的振動(dòng)分析方法可以實(shí)現(xiàn)對(duì)采煤機(jī)搖臂傳動(dòng)系統(tǒng)故障部位的準(zhǔn)確定位，對(duì)采煤機(jī)搖臂等長傳動(dòng)鏈復(fù)雜齒輪傳動(dòng)系統(tǒng)的現(xiàn)場(chǎng)故障診斷提供了一種新的有效手段。

[1] 胡俊，張世洪，汪崇建.采煤機(jī)故障診斷技術(shù)現(xiàn)狀及其發(fā)展趨勢(shì)[J].煤礦機(jī)械,2008,29(9):8-10.

Hu Jun, Zhang Shihong, Wang Chongjian. Diagnosis of shearer faults and development trend[J]. Coal Mine Machine, 2008,29(9):8-10. (in Chinese)

[2] 錢沛云，陳曦暉，胡曉，等.基于振動(dòng)信號(hào)分析的采煤機(jī)搖臂軸承故障診斷研究[J].煤炭科學(xué)技術(shù),2014,42(12):89-92.

Qian Peiyue, Chen Xihui, Hu Xiao, et al. Study on bearing fault diagnosis of ranging boom in coal shearer based on vibration signal analysis[J]. Coal Science and Technology, 2014,42(12):89-92. (in Chinese)

[3] 李舜酩,郭海東，李殿榮.振動(dòng)信號(hào)處理方法綜述[J].儀器儀表學(xué)報(bào),2013,34(8):1907-1915.

Li Shunming, Guo Haidong, Li Dianrong. Review of vibration signal processing methods[J]. Chinese Journal of Scientific Instrument, 2013,34(8):1907-1915. (in Chinese)

[4] 李輝，鄭海起，唐力偉．基于倒雙譜分析的軸承故障診斷研究[J]．振動(dòng)、測(cè)試與診斷，2010，30(4) :353-356.

Li Hui, Zheng Haiqi, Tang Liwei. Application of bi-cepstrum technique to bearing fault detection[J]. Journal of Vibration, Measurement & Diagnosis, 2010,30(4):353-356. (in Chinese)

[5] 張西寧，郭金良，吳吉利.分?jǐn)?shù)階域?yàn)V波在啟停車過程轉(zhuǎn)頻振動(dòng)分量提取中的應(yīng)用[J].西安交通大學(xué)學(xué)報(bào),2013,47(11):92-96.

Zhang Xining, Guo Jinliang, Wu Jili. Extracting fundamental frequency during rotating machine start-up or shut-down via fractional domain filtering[J]. Journal of Xi′an Jiaotong University, 2013,47(11):92-96. (in Chinese)

[6] 陳珊珊.時(shí)域分析技術(shù)在機(jī)械設(shè)備故障診斷中的應(yīng)用[J].機(jī)械傳動(dòng)，2007,31(3):79-85.

Chen Shanshan. Time domain analysis technology used in diagnosis of machinery equipment fault[J]. Journal of Mechanical Transmission, 2007,31(3):79-85. (in Chinese)

[7] 羅毅，甄立敬.基于小波包與倒頻譜分析的風(fēng)電機(jī)組齒輪箱齒輪裂紋診斷方法[J].振動(dòng)與沖擊,2015,34(3):210-214.

Luo Yi， Zhen Lijing. Diagnosis method of turbine gearbox gearcrack based on wavelet packet and cepstrum analysis[J]. Journal of Vibration and Shock, 2015,34(3):210-214. (in Chinese)

[8] 劉然，許寶杰.基于EMD和全息譜的設(shè)備故障診斷方法研究[J]. 機(jī)械科學(xué)與技術(shù)，2011,30(11):1922-1926.

Liu Ran, Xu Baojie. The study of the equipment failure diagnosis method based on EMD and holospectrum[J]. Mechanical Science and Technology for Aerospace Engineering, 2011,30(11):1922-1926. (in Chinese)

[9] Ales B, Joze F. Determining cracks in gears using adaptive wavelet transform approach[J]. Engineering Failure Analysis, 2010,17:664-671.

[10]趙志宏，楊紹普，劉永強(qiáng)．多小波系數(shù)特征提取方法在故障診斷中的應(yīng)用[J]．振動(dòng)、測(cè)試與診斷，2015,35(2):276-280．

Zhao Zhihong, Yang Shaopu, Liu Yongqiang. Application of feature extraction method in fault diagnosis based on multi-wavelet coefficients[J]. Journal of Vibration, Measurement & Diagnosis，2015,35(2):276-280. (in Chinese)

[11]馬倫，康建設(shè)，孟妍，等.基于Morlet 小波變換的滾動(dòng)軸承早期故障特征提取研究[J]. 儀器儀表學(xué)報(bào), 2013,34(4):920-926.

Ma Lun, Kang Jianshe,Meng Yan, et al. Research on feature extraction of rolling bearing incipient fault based on Morlet wavelet transform[J]. Chinese Journal of Scientific Instrument,2013,34(4):920-926. (in Chinese)

[12]蔣永華，湯寶平，董紹江.自適應(yīng) Morlet小波降噪方法及在軸承故障特征提取中的應(yīng)用[J].儀器儀表學(xué)報(bào),2010,31(12) :2712-2717.

Jiang Yonghua， Tang Baoping， Dong Shaojiang． Denoising method based on adaptive Morlet wavelet and its application in rolling bearing fault feature extraction[J]. Chinese Journal of Scientific Instrument, 2010,31(12):2712-2717. (in Chinese)

[13]張家凡,易啟偉,李季.復(fù)解析小波變換與振動(dòng)信號(hào)包絡(luò)解調(diào)分析[J].振動(dòng)與沖擊,2010,29(9):93-96.

Zhang Jiafan, Yi Qiwei, Li Ji. Complex analytic wavelet transform and vibration signals envelope-demodulation analysis[J]. Journal of Vibration and Shock, 2010,29(9):93-96. (in Chinese)

[14]梁霖,徐光華.基于自適應(yīng)復(fù)平移Morlet小波的軸承包絡(luò)解調(diào)分析方法[J]. 機(jī)械工程學(xué)報(bào),2006,42(10):151-155.

Liang Lin, Xu Guanghua. Optimal envelope demodulation method based on adaptive complex shifted morlet wavelet in beafjng diagnosis[J]. Chinese Journal of Mechanical Engineering, 2006,42(10):151-155. (in Chinese)

10.16450/j.cnki.issn.1004-6801.2016.03.009

中國博士后基金資助項(xiàng)目(2015M582693)；陜西省博士后科研資助項(xiàng)目(陜?nèi)嗽O(shè)函[2014]907號(hào)-201406)；陜西省教育廳專項(xiàng)科研計(jì)劃資助項(xiàng)目(14JK1473)

2015-09-23；

2015-12-04

TH113.1; TB52+3

毛清華，男，1984年5月生，博士、副教授。主要研究方向?yàn)椴擅簷C(jī)械的故障診斷、信號(hào)處理和煤礦鋼芯輸送帶缺陷識(shí)別等。曾發(fā)表《改進(jìn)鄰域粗糙集的輸送帶缺陷特征約簡算法》(《儀器儀表學(xué)報(bào)》2014年第7期)等論文。

E-mail:403675968@qq.com