基于形态分量分析的变工况齿轮箱故障诊断研究

发布时间：2018-06-17 00:46

  本文选题：形态分量分析 + 变工况　； 参考：《机械传动》2017年11期

【摘要】：齿轮箱变工况运行时表现为转速和负载的变化,其振动信号是非线性的多分量信号,变工况齿轮箱故障诊断是研究难点。首先使用数字微分的阶次跟踪方法对原始振动信号按计算得到等角度重采样时刻插值,将非平稳的振动信号转化为角域平稳信号;然后使用形态分量分析(MCA)方法从角域信号中分离出冲击、简谐分量与噪声成分,提取齿轮箱非线性、多分量信号中的故障特征;再对冲击分量做角域平均突出故障特征,最后进行瞬时功率谱分析识别齿轮是否有故障。实验分析表明,使用此方法能根据瞬时功率谱分布的阶次和角度范围识别故障,适用于变工况下的故障齿轮检测。
[Abstract]:The vibration signal of the gear box is a nonlinear multi-component signal, and the fault diagnosis of the gear box under different working conditions is a difficult problem. Firstly, the order tracking method of digital differential is used to interpolate the original vibration signal with equal angle resampling time according to the calculation, and the non-stationary vibration signal is transformed into the stationary signal in angular domain. Then the method of morphological component analysis (MCA) is used to separate the shock, harmonic component and noise component from the angular domain signal to extract the fault features of the nonlinear and multi-component signals of the gearbox, and then to make the angular mean prominent fault feature of the impact component. At last, the instantaneous power spectrum analysis is used to identify whether the gear has fault or not. The experimental results show that this method can identify faults according to the order and angle range of instantaneous power spectrum distribution, and is suitable for gear fault detection under variable working conditions.
【作者单位】： 石家庄铁道大学机械工程学院;
【基金】：国家自然科学基金(51375319) 河北省杰出青年科学基金(E2013210113) 河北省百名优秀创新人才支持计划(BR2-222)
【分类号】：TH132.41

【相似文献】

相关期刊论文 前10条

1 黄晋英,潘宏侠,谢奇峰;时间序列方法在齿轮箱故障诊断中的应用[J];太原师范学院学报(自然科学版);2004年02期

2 黄晋英;毕世华;潘宏侠;杨喜旺;;独立分量分析在齿轮箱故障诊断中的应用[J];振动、测试与诊断;2008年02期

3 戴丽杰;;齿轮箱故障诊断方法[J];黑龙江科技信息;2002年08期

4 高国华 ,张永忠;齿轮箱故障诊断技术的新发展[J];机械传动;2003年06期

5 高永生;唐力伟;王建华;金海薇;;基于系统特性的齿轮箱故障诊断[J];煤矿机械;2006年01期

6 魏秀业;潘宏侠;;齿轮箱故障诊断技术现状及展望[J];测试技术学报;2006年04期

7 邢士勇;金海薇;郑海起;唐力伟;;基于关联距离熵的齿轮箱故障诊断[J];机械工程师;2007年07期

8 吴德会;;一种基于支持向量机的齿轮箱故障诊断方法[J];振动、测试与诊断;2008年04期

9 王华;包磊;宋昊明;郭颖;叶伟;;空分457齿轮箱故障诊断[J];机械研究与应用;2008年03期

10 朱有剑;李建;;基于倒频谱特征提取的齿轮箱故障诊断[J];科技广场;2008年08期

相关会议论文 前6条

1 蔡安江;豆卫涛;柴彦昌;孙少军;;基于人工神经网络技术的齿轮箱故障诊断应用研究[A];陕西省机械工程学会第九次代表大会会议论文集[C];2009年

2 高永生;唐力伟;甘霖;杨通强;;基于系统特性的齿轮箱故障诊断[A];2005年中国机械工程学会年会论文集[C];2005年

3 李爱民;;基于灰色聚类决策的齿轮箱故障诊断[A];第19届灰色系统全国会议论文集[C];2010年

4 金大玮;李建桥;贾民平;;循环自相关函数在齿轮箱故障诊断中的应用[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（上册）[C];2008年

5 董海江;赵春华;万诗庆;汪伟;;LWPEE与SVM在风电齿轮箱故障诊断中的应用[A];第十一届全国摩擦学大会论文集[C];2013年

6 雷亚国;林京;何正嘉;;基于多传感器信息融合的行星齿轮箱故障诊断[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

相关博士学位论文 前2条

1 欧璐;图谱理论在齿轮箱故障诊断中的应用研究[D];湖南大学;2016年

2 许昕;基于滤波技术和粒子群优化的齿轮箱故障诊断研究[D];中北大学;2011年

相关硕士学位论文 前10条

1 李猷凤;齿轮箱故障诊断的小波包-ICA分析方法[D];南京理工大学;2015年

2 鄢小安;基于自适应振动信号处理的齿轮箱故障诊断研究[D];华北电力大学;2015年

3 李楠;基于粒子滤波的齿轮箱故障诊断[D];华北电力大学;2015年

4 卢昆鹏;基于DSP-SVM的风电齿轮箱故障诊断系统[D];中北大学;2016年

5 郭松涛;基于约束独立分量分析的齿轮箱故障诊断研究[D];河南理工大学;2015年

6 牛志雷;基于形态分量分析的齿轮箱故障诊断研究[D];石家庄铁道大学;2016年

7 曹劲然;大型吊装装备齿轮箱故障诊断与预测方法研究[D];南京理工大学;2016年

8 胡二猛;基于LabVIEW的齿轮箱故障诊断系统研究[D];南京信息工程大学;2016年

9 王宇;基于混合蛙跳优化神经网络的齿轮箱故障诊断研究[D];中北大学;2017年

10 孙作佩;形态学神经网络在齿轮箱故障诊断中的应用研究[D];华中科技大学;2016年

，

本文编号：2028812