基于自适应振动信号处理的齿轮箱故障诊断研究

发布时间：2017-03-20 03:03

  本文关键词：基于自适应振动信号处理的齿轮箱故障诊断研究，，由笔耕文化传播整理发布。

【摘要】：齿轮箱作为现代机械设备中重要组成部件之一,对其进行故障诊断研究具有重要的现实意义。目前,存在许多齿轮箱的故障诊断方法,但对于实际的齿轮振动信号,由于受到工作环境及齿轮振动信号自身具备非平稳特性的影响,单一的方法有时难以提取有效的齿轮故障特征信息。因此,本文采用多种方法相结合来实现对齿轮箱的故障诊断。其主要研究内容包括:1、基于局部均值分解的齿轮箱故障诊断研究。研究了局部均值分解和经验模态分解两种算法在时频分析方面的性能,提出了一种新的基于局部均值分解的自适应时频分析方法,简称LMD-AWVD。首先利用局部均值分解优良的自适应时频分解能力获得振动信号的若干个PF分量;然后计算各PF分量的相关系数并据此挑选含故障信息丰富的PF分量作为主PF分量;最后计算各主PF分量的Wigner-Ville分布并进一步叠加得到系统整体的时频分布。实验结果表明,LMD-AWVD方法能有效地应用于齿轮故障诊断中。2、基于固有时间尺度分解的齿轮箱故障诊断研究研究了固有时间尺度分解(ITD)的算法改进,针对ITD方法的一些缺陷问题,提出了一种集成固有时间尺度分解(EITD)方法。研究了数学形态滤波在振动信号中的降噪性能,分析了奇异值分解(SVD)在特征提取方面的优良特点,将EITD方法与组合形态滤波和奇异值分解相结合定义了一种形态奇异值熵。针对非平稳齿轮振动信号的有效故障特征提取和分类问题,提出了一种基于形态奇异值熵和支持向量机的齿轮故障诊断方法。3、基于固有时间尺度分解的风力发电机组齿轮箱故障诊断研究针对风机齿轮振动信号的非平稳性以及难以提取有效故障特征的问题,提出了一种新的风力发电机组齿轮箱故障诊断方法。首先使用三次样条插值拟合基线控制点,将振动信号分解为一系列固有旋转分量;然后选择相关系数最大的PR分量进行小波包分解,计算分解后小波包系数的能量分布,选择能量比重较大的小波包系数重构PR分量;最后计算重构PR分量的关联维数,实现振动信号的故障诊断。实例分析表明,所提出的方法能有效提取风机齿轮箱的故障特征,实现信号的模式识别。
【关键词】：齿轮箱 信号分析 局部均值分解 固有时间尺度分解 故障诊断
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH132.4
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-17
• 1.1 选题背景与意义10
• 1.2 齿轮箱故障诊断的国内外研究现状10-12
• 1.3 齿轮箱的故障类型及其产生的原因12-14
• 1.4 齿轮箱故障的振动信号处理方法14-15
• 1.5 本课题研究的主要内容15-17
• 第2章 基于局部均值分解的齿轮箱故障诊断研究17-36
• 2.1 HHT方法17-18
• 2.1.1 EMD方法17-18
• 2.1.2 Hilbert变换18
• 2.2 LMD方法18-22
• 2.2.1 LMD方法过程18-22
• 2.2.2 端点效应的评价指标22
• 2.3 局部均值分解与其他时频分析方法的比较22-27
• 2.3.1 与传统时频分析方法的比较22-25
• 2.3.2 与HHT方法的比较25-27
• 2.4 基于局部均值分解的Wigner-Ville分布27-30
• 2.4.1 Wigner-Ville分布27
• 2.4.2 基于局部均值分解的Wigner-Ville分布27-28
• 2.4.3 仿真信号分析28-30
• 2.5 齿轮箱故障的模拟实验研究30-35
• 2.5.1 齿轮故障信号的特征频率分析30-31
• 2.5.2 齿轮故障信号的频谱分析31-33
• 2.5.3 LMD-AWVD方法在齿轮故障诊断中的应用33-35
• 2.6 本章小结35-36
• 第3章 基于固有时间尺度分解的齿轮箱故障诊断研究36-51
• 3.1 EITD方法36-41
• 3.1.1 原始ITD方法36-37
• 3.1.2 EITD方法37-38
• 3.1.3 基于EITD方法的仿真信号分析38-41
• 3.2 数学形态滤波41-44
• 3.2.1 形态滤波基本原理41-43
• 3.2.2 结构元素的选择43
• 3.2.3 组合形态滤波器的降噪性能分析43-44
• 3.3 奇异值分解44
• 3.4 形态奇异值熵44-45
• 3.5 基于形态奇异值熵和SVM的齿轮故障诊断方法45-46
• 3.6 实验分析46-49
• 3.7 本章小结49-51
• 第4章 基于固有时间尺度分解的风力发电机组齿轮箱故障诊断研究51-63
• 4.1 风力发电机组齿轮箱故障的实例分析研究51-56
• 4.1.1 风力发电机组传动系统的特征频率分析51-55
• 4.1.2 风机齿轮振动信号的频谱分析55-56
• 4.2 小波包变换56-57
• 4.3 基于小波包的EITD风机齿轮箱故障诊断方法57-58
• 4.4 基于小波包的EITD在风机齿轮箱故障诊断中的应用58-62
• 4.5 本章小结62-63
• 第5章 结论与展望63-65
• 5.1 结论63
• 5.2 展望63-65
• 参考文献65-69
• 攻读硕士学位期间发表的论文及其它成果69-70
• 致谢70

【相似文献】

中国期刊全文数据库 前10条

1 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

2 一民;高速齿轮箱故障诊断技术及其诊断系统通过鉴定[J];振动、测试与诊断;1991年04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

中国重要会议论文全文数据库 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

中国博士学位论文全文数据库 前2条

1 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

2 焦新涛;小波分析及其在齿轮箱故障诊断中应用研究[D];华南理工大学;2014年

中国硕士学位论文全文数据库 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 陈晗霄;基于虚拟仪器的大型高速齿轮箱故障诊断系统研究[D];电子科技大学;2010年

4 杨成;传动齿轮箱故障诊断系统研究[D];哈尔滨工程大学;2013年

5 范江东;基于粒子群优化与支持向量机的齿轮箱故障诊断研究[D];中北大学;2010年

6 朱兵;局域均值分解方法在齿轮箱故障诊断中的研究[D];中北大学;2010年

7 孙黎明;基于粒子群优化和系统特性的齿轮箱故障诊断研究[D];中北大学;2010年

8 王清;基于模糊聚类和灰色理论的齿轮箱故障诊断研究[D];中北大学;2006年

9 许昕;齿轮箱故障诊断在安全生产中的应用[D];中北大学;2007年

10 史霞飞;基于嵌入式的齿轮箱故障诊断系统研究[D];中北大学;2013年

  本文关键词：基于自适应振动信号处理的齿轮箱故障诊断研究，由笔耕文化传播整理发布。

本文编号：257018