基于级联黑白帽变换形态滤波和宽度神经网络的齿轮箱故障诊断方法研究

发布时间：2021-01-20 01:08

　　机械设备的健康运行是保障经济效益、避免人员伤亡的必要条件。轴承及齿轮作为工业机械重要部件,关乎整个机械系统的健康状态。针对齿轮箱而发展设备状态监测和故障诊断技术显得尤为重要。由于振动信号传递路径复杂,致使传感器采集信号呈非线性、非平稳性,加之环境噪声干扰等因素,信号特征提取变得愈发困难。数学形态学基于随机集论和积分几何,适用于非线性、非平稳分析。本文考虑了形态滤波器、形态谱在齿轮箱故障信号中的分析能力,并使之与宽度学习网络结合获得良好的机器诊断效果。论文主要研究了以下内容:（1）提出了级联黑白帽变换形态滤波器用于提取滚动轴承的冲击成分,自适应地选择冲击方向。传统的差分滤波器仅考虑提取冲击成分,而未考虑冲击方向,这就致使当存在冲击频率耦合时产生频率混淆现象。由于信号总体能量基本保持不变,频率耦合导致能量分散,更易淹没于噪声之中。本文提出了一种新的方法,通过白顶帽变换和黑底帽变换识别冲击方向,并使之修正差分滤波器所提冲击方向。仿真试验表明,级联黑白帽变换形态滤波器提取冲击成分频率与原信号一致,避免了差分滤波器的频率耦合现象。将其与迭代形态学相结合,通过滚动轴承故障诊断试验,其结果表明频谱成... 

【文章来源】：内蒙古科技大学内蒙古自治区

【文章页数】：93 页

【学位级别】：硕士

【部分图文】：

研究基本结构图

3.8 级联黑白帽变换形态滤波器流3 x采样频率fs为 2048Hz，的高斯白噪声；2x cos(2 2每个轴期内为 66 个点。3ox 期内波形为：01示。

内蒙古科技大学硕士学位论文滤波器的故障诊断效性，实验采用 SpectraQuest 公司设计的故障故障轴承及三个加速度传感器安装在靠近电水平、轴向方向的振动加速度信号，如图 3.数据于计算机上。实验所用轴承型号为 ER-径 d=7.9mm，接触角 0，滚动体个数 Z


本文编号：2988056