基于小波分析的齿轮箱故障诊断技术研究

发布时间：2017-03-22 23:03

  本文关键词：基于小波分析的齿轮箱故障诊断技术研究，由笔耕文化传播整理发布。

【摘要】：随着科学技术的逐步发展,齿轮箱作为一种通用零部件,已被广泛应用于现代化的机械设备中。齿轮箱运行工况恶劣,内部构造比较复杂,所以很容易引发机械设备故障。为了减少经济损失,近些年故障诊断技术已成为社会重点的研究课题。故障诊断技术主要有振动信号的采集及预处理、提取信号的特征向量和运行状态识别三大部分。作为一种先进的信号处理分析方法,小波变换具多分辨率的特性,可以将信号进行放大细化,在时、频域都能清晰分析信号的信息,所以在齿轮箱的故障诊断方面应用广泛。本文主要按以下几个方面进行研究:研究了齿轮箱的振动机理及信号特性,针对信号中存在的大量噪声,采用了小波变换的方法进行小波分解,并用强制阈值、默认阈值等方法进行小波高频去噪处理。同时引入了小波包分解的方法,对信号进行多频带划分,并进行多种阈值方法去噪处理比较。通过仿真实验,表明用小波分析及小波包分解进行振动信号去噪的有效性。小波变换可以对信号进行精细地分解,提取准确的特征向量,因此常常用小波来作为信号的特征提取器。本文针对齿轮箱信号复杂多变,小波基选取困难的问题,引入了自适应小波基理论。针对自适应小波基构造算法忽略尺度函数的缺陷,提出建立尺度空间上的信号差能量极小化及小波空间上的信号差能量极大化模型,构造自适应小波基。仿真实验表明,改进的自适应小波基算法有更大的灵活性,自适应小波基函数可以更为精细的分解信号,用少量的数据表示更为丰富的信息。本文基于不同状态下齿轮箱振动信号能量谱、包络谱的差异,在构造自适应小波基的基础上,将信号进行自适应小波包分解,并结合信号的能量谱来提取信号的能量分布特征,结合信号的包络谱来提取信号在特定频段上的包络谱特征。实验表明,基于改进的自适应小波算法提取的信号特征更能表征齿轮箱的振动信号特性。采用基于最小错误率的贝叶斯分类器进行齿轮箱的故障诊断,然而当样品特征向量相互交织时,贝叶斯分类器会发生错分现象,针对此类易被错分的样品,提出一种基于混合交叉域的分类器算法。该算法以F-measure作为综合评价准则,将错分概率密度融入准则函数中,用梯度下降法进行迭代计算求出判别函数。为了提高齿轮箱的状态识别正确率,本文采用贝叶斯分类器与基于混合交叉域的分类器相结合的分类器算法进行故障识别。
【关键词】：自适应小波 包络谱 能量谱 贝叶斯分类器 综合评价准则
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3
【目录】：

• 中文摘要5-6
• abstract6-9
• 第一章 绪论9-14
• 1.1 齿轮箱故障诊断的研究背景与意义9
• 1.2 齿轮箱故障诊断的内容9-10
• 1.3 齿轮箱故障诊断的国内外研究现状10-12
• 1.4 本论文主要研究内容及结构12-14
• 第二章 基于小波的齿轮箱信号去噪处理14-24
• 2.1 齿轮箱振动机理及特征分析14-15
• 2.2 小波分析理论15-19
• 2.3 基于小波分析的齿轮箱信号去噪19-22
• 2.4 本章小结22-24
• 第三章 基于齿轮箱信号的小波基构造与选择24-39
• 3.1 紧支撑双正交小波基函数的构造24-28
• 3.2 齿轮箱信号自适应小波基的构造28-36
• 3.2.1 自适应小波基的构造方法28-33
• 3.2.2 自适应小波基的改进算法33-36
• 3.3 基于不同小波基的信号处理仿真实验36-38
• 3.3.1 紧支集双正交小波基的应用36
• 3.3.2 自适应小波基的应用36-38
• 3.4 本章小结38-39
• 第四章 基于自适应小波的特征提取39-46
• 4.1 自适应小波包能量谱分布特征39-44
• 4.2 自适应小波包络谱特征44-45
• 4.3 本章小结45-46
• 第五章 基于贝叶斯分类器改进算法的故障诊断46-57
• 5.1 基于最小错误率的贝叶斯分类器46-50
• 5.2 一种基于混合交叉域的分类器设计50-51
• 5.3 基于贝叶斯和混合交叉域相结合的分类器设计51-54
• 5.4 仿真实验54-56
• 5.5 本章小结56-57
• 第六章 总结与展望57-58
• 参考文献58-61
• 发表论文和科研情况说明61-62
• 致谢62-63

【参考文献】

中国期刊全文数据库 前10条

1 全学海;丁宣浩;蒋英春;;基于EMD的瞬时频率计算方法的比较研究[J];大众科技;2009年06期

2 王新晴,王耀华,陈六海,唐文标,徐燕申;齿轮传动中几种典型故障的振动图谱分析[J];机械传动;1999年03期

3 吴亚辉;陈东海;冷军发;;基于小波包与Hilbert解调谱的矿用齿轮箱故障诊断[J];机械传动;2009年02期

4 丁康,江利旗;解调分析在机械振动分析中应用的局限性研究[J];机械科学与技术;2000年05期

5 傅勤毅,章易程,应力军,李国顺;滚动轴承故障特征的小波提取方法[J];机械工程学报;2001年02期

6 韩业锋;仲涛;石磊;;基于包络谱分析的滚动轴承故障诊断分析[J];机械研究与应用;2010年04期

7 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

8 韩震宇,申旭娟,石章林;信号的多分辨率分析及其在消噪中的应用[J];四川联合大学学报(工程科学版);1999年01期

9 肖鹏;朱浩;余剑武;;基于Hilbert变换的轴承故障诊断研究[J];精密制造与自动化;2010年02期

10 孔德顺;申永军;张光明;;基于小波包变换相关性的信号降噪方法及齿轮故障诊断[J];石家庄铁道学院学报(自然科学版);2008年01期

中国博士学位论文全文数据库 前3条

1 余红英;机械系统故障信号特征提取技术研究[D];中北大学;2005年

2 李春庚;自适应小波的构造及其在信号处理中的应用[D];大连海事大学;2007年

3 胡爱军;Hilbert-Huang变换在旋转机械振动信号分析中的应用研究[D];华北电力大学（河北）;2008年

中国硕士学位论文全文数据库 前2条

1 周小勇;小波分析在故障诊断中的应用[D];上海海运学院;2001年

2 蔡源春;汽车变速器轴承故障诊断研究[D];湖南大学;2007年

  本文关键词：基于小波分析的齿轮箱故障诊断技术研究，，由笔耕文化传播整理发布。

本文编号：262378