齿轮箱故障检测技术研究
本文关键词:齿轮箱故障检测技术研究 出处:《沈阳理工大学》2016年硕士论文 论文类型:学位论文
更多相关文章: 齿轮箱 局域均值分解 循环平稳解调 故障特征
【摘要】:齿轮箱在旋转机械中应用非常普遍,并且容易引发多个组件、零件故障,其能否正常运行对整台甚至整套机械设备的正常工作和使用产生重大影响。齿轮箱发生的故障是多样的,及时对齿轮箱振动数据进行检测,准确识别出齿轮箱运行过程中的故障,更换故障零件,对提高旋转机械整体运行可靠性具有深远意义。论文叙述小波理论、局域均值分解及循环平稳技术原理及其在故障诊断领域里使用情况。进一步讨论了端点效应在局域均值方法中的影响及改进措施。提出将局域均值分解(LMD)和循环平稳解调分析方法相结合,综合使用在齿轮箱故障分离与提取。LMD方法能够把待检测信号自适应地处理成为一组单分量的AM-FM信号,特别适用于非稳定、非线性信号分析。文章首先使用小波分解对原信号进行预处理,以降低噪声对对象信号的影响,然后采用局域均值分解方法将处理后的信号分解为一系列的乘积函数(PF)分量。针对分解信号后所得到的乘积函数分量按照相关性筛选处理,以降低其他非目标故障特征的干扰。针对筛选出的信号进行循环平稳分析,提取分析信号的故障特征。确定齿轮箱发生故障的零件及其具体位置。经过实际齿轮箱故障数据验证表明,此方法能够实现齿轮箱故障特征提取。
[Abstract]:Gearbox is widely used in rotating machinery, and it is easy to cause multiple components and parts failure. The normal operation of the gear box has a significant impact on the normal operation and use of the whole machine and even the whole set of mechanical equipment. The gearbox faults are various and the vibration data of the gear box are detected in time. It is of great significance to accurately identify the faults in the gearbox operation process and replace the faulty parts to improve the reliability of the whole operation of the rotating machinery. The wavelet theory is described in this paper. The principle of local mean decomposition and cyclic stationary technique and its application in the field of fault diagnosis are discussed. The effect of endpoint effect in the local mean method and the improvement measures are discussed. LMD) is combined with cyclic stationary demodulation analysis method. Combined use of the gearbox fault separation and extraction. LMD method can adaptively process the detected signal into a set of single component AM-FM signals, which is especially suitable for unstable. Firstly, wavelet decomposition is used to preprocess the original signal to reduce the effect of noise on the object signal. Then the processed signal is decomposed into a series of product function components by using the local mean decomposition method. In order to reduce the interference of other non-target fault features, the cyclic stationary analysis of the selected signals is carried out. The fault features of the analysis signal are extracted and the parts and their location of the gearbox fault are determined. The results of the actual gearbox fault data verify that the method can extract the gearbox fault features.
【学位授予单位】:沈阳理工大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TH132.41
【相似文献】
相关期刊论文 前10条
1 孙福霞;齿轮箱故障的状态监测分析[J];中国设备管理;2000年05期
2 杜秋杰;正确运用分析方法确定齿轮箱故障[J];新技术新工艺;2002年10期
3 姚竹亭,潘宏侠;齿轮箱故障信息增强技术研究[J];仪器仪表学报;2004年S1期
4 陆人定;;齿轮箱故障时域和频域综合诊断技术[J];机电工程技术;2007年06期
5 汤和;汪元辉;张策;应怀樵;;定量诊断齿轮箱故障方法的探讨[J];齿轮;1987年05期
6 张新华;齿轮箱故障的实时监测的原理和系统设计[J];机床与液压;2001年06期
7 蒙宣伊;龙辛;;风机齿轮箱故障原因浅析[J];电力技术;2010年08期
8 于良峰;赵登利;吴树梁;;风电机组齿轮箱故障分析及改进措施[J];风能;2012年10期
9 G.H.Mills;刘志坚;;随机监测磨屑预报齿轮箱故障[J];煤矿机电;1992年02期
10 肖洪波;刘松松;;风电齿轮箱故障诊断实例分析[J];机械工程师;2014年04期
相关会议论文 前3条
1 姚竹亭;潘宏侠;;齿轮箱故障信息增强技术研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年
2 李淑智;刘弹;徐光华;;基于CHMM动态模型的齿轮箱故障检测和诊断方法研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
3 杨炯明;范得功;周雁冰;柳亦兵;;基于Fisher准则的风电齿轮箱故障识别[A];中国自动化学会控制理论专业委员会B卷[C];2011年
相关博士学位论文 前2条
1 张澎涛;齿轮箱故障振动信号去噪及特征提取算法研究[D];东北林业大学;2014年
2 刘志亮;基于数据驱动的行星齿轮箱故障诊断方法研究[D];电子科技大学;2013年
相关硕士学位论文 前10条
1 张欣欣;风力发电机齿轮箱故障预警方法研究[D];燕山大学;2015年
2 任爽;基于振动特征分析的风电齿轮箱故障诊断技术研究[D];河北工业大学;2015年
3 高志飞;风电齿轮箱故障特征分析与诊断方法研究[D];上海电机学院;2016年
4 陈培;基于EEMD和希尔伯特平方解调技术的兆瓦级风电齿轮箱故障诊断方法研究[D];浙江理工大学;2016年
5 牛保国;齿轮箱故障检测技术研究[D];沈阳理工大学;2016年
6 马玉峰;风电机组齿轮箱故障趋势预测方法研究[D];华北电力大学;2013年
7 王斐斐;基于状态监测信息的风电机组齿轮箱故障预测研究[D];华北电力大学;2012年
8 王艳芳;齿轮箱故障特征提取技术研究[D];中北大学;2007年
9 彭志凌;基于信息融合的齿轮箱故障诊断技术研究[D];中北大学;2006年
10 张斌;基于EMD和支持向量机的齿轮箱故障诊断方法研究[D];太原理工大学;2009年
,本文编号:1402970
本文链接:https://www.wllwen.com/jixiegongchenglunwen/1402970.html