基于快速谱相关的齿轮箱故障诊断方法研究
发布时间：2021-08-21 13:15
齿轮箱是最重要的机械部件之一,其健康状态直接影响整台设备的运行。若能及时发现齿轮箱的早期微弱故障,就可以有效地避免齿轮箱故障带来的损失。因此研究齿轮箱故障诊断新方法,具有重要的工程意义。滚动轴承和齿轮是齿轮箱的核心零部件,同时故障率较高。因此本文以二者为主要的研究对象,围绕一种新的循环平稳分析方法——快速谱相关,从齿轮箱的微弱故障诊断、复合故障诊断和故障智能识别三个方面展开研究,主要研究内容如下:首先,阐述了课题开展的背景以及本文所做工作的必要性。归纳和总结了齿轮箱故障诊断研究的国内外现状和发展动态。介绍了循环平稳理论的研究现状,为论文工作的开展做了很好的铺垫。然后简述了快速谱相关的基本原理,并利用滚动轴承和齿轮的故障诊断实例表明快速谱相关能够有效提取故障冲击特征,为论文奠定理论基础。由于齿轮箱工作环境恶劣,齿轮和滚动轴承振动信号的故障特征常常淹没于强烈的背景噪声中。为有效提取强噪声背景下的滚动轴承故障信息,提出了一种基于总变差去噪和快速谱相关的故障特征提取方法。总变差去噪对原始信号进行降噪的同时,较好地保留了故障特征信息。快速谱相关有效地提取了降噪信号的故障冲击特征,有利于准确地进行...
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
实验台
号的快速谱相关分析故障特征提取为例，通过图 2-1 的 QPZZ证快速谱相关方法的有效性。选用型号为 N承外圈切割出宽为 0.2mm、深为 0.1mm 的（2-10）为外圈理论故障特征频率的公式，图 2-1 实验台
模拟试验台对齿轮故障进行模拟试验，该试验台采用的是一级减速齿轮箱。齿轮箱的输入轴为大齿轮，输出轴为小齿轮。大齿轮的齿数为 75，转频为 13.9Hz。小齿轮的齿数为 55，转频为 10.2Hz。采样频率为 5120Hz，输入轴转速为 850r/min。图 2-5 为存在点蚀故障的输入轴大齿轮，点蚀故障是通过对正常齿轮进行电火花处理仿真。计算可得齿轮的点蚀故障特征频率为 10.2Hz，啮合频率为 764.5Hz。图 2-5 齿轮点蚀故障图对齿轮点蚀故障信号分别进行时域分析和幅值谱分析，如图 2-6 所示。图 2-6(b)
【参考文献】：
期刊论文
[1]强噪源干扰下的滚动轴承复合故障分离方法研究[J]. 万书亭,张雄,豆龙江. 中南大学学报(自然科学版). 2018(08)
[2]基于EEMD-Hilbert包络谱和DBN的变负载下滚动轴承状态识别方法[J]. 王玉静,那晓栋,康守强,谢金宝,V I MIKULOVICH. 中国电机工程学报. 2017(23)
[3]基于时间-小波能量谱样本熵的滚动轴承智能诊断方法[J]. 邓飞跃,唐贵基. 振动与冲击. 2017(09)
[4]基于参数优化MPE与FCM的滚动轴承故障诊断[J]. 陈东宁,张运东,姚成玉,来博文,吕世君. 轴承. 2017(05)
[5]基于改进的PSO-SVM的音频信号特征识别和分类[J]. 张校非,白艳萍. 数学的实践与认识. 2017(01)
[6]基于ITD复杂度和PSO-SVM的滚动轴承故障诊断[J]. 张小龙,张氢,秦仙蓉,孙远韬. 振动与冲击. 2016(24)
[7]滚动轴承复合故障诊断的自适应方法研究[J]. 马新娜,杨绍普. 振动与冲击. 2016(10)
[8]应用奇异值分解和峭度分离滚动轴承复合故障[J]. 王宇,钟雯,尹洋,宋春华,童俊. 西华大学学报(自然科学版). 2016(03)
[9]一种改进权重的非局部均值图像去噪方法[J]. 黄玲俐. 计算机技术与发展. 2016(06)
[10]基于双时域微弱故障特征增强的轴承早期故障智能识别[J]. 张云强,张培林,王怀光,吴定海. 机械工程学报. 2016(21)
博士论文
[1]齿轮箱复合故障诊断特征提取的若干方法研究[D]. 王志坚.太原理工大学 2015
[2]自适应形态滤波与局域波分解理论及滚动轴承故障诊断[D]. 崔宝珍.中北大学 2013
[3]基于小波分析与神经网络滚动轴承故障诊断方法的研究[D]. 杨柳松.东北林业大学 2013
[4]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010
[5]基于局域均值分解的旋转机械故障特征提取方法及系统研究[D]. 任达千.浙江大学 2008
[6]基于循环平稳信号处理的滚动轴承故障诊断方法研究[D]. 周福昌.上海交通大学 2006
硕士论文
[1]旋转机械故障特征提取方法研究[D]. 庞彬.华北电力大学 2015
[2]基于经验模态分解的滚动轴承故障振动信号消噪研究[D]. 王可.湖南科技大学 2012
[3]时频分析方法在齿轮箱故障特征提取中的研究应用[D]. 薛松.太原理工大学 2008
[4]齿轮箱故障特征提取技术研究[D]. 王艳芳.中北大学 2007
本文编号：3355671
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
实验台
号的快速谱相关分析故障特征提取为例，通过图 2-1 的 QPZZ证快速谱相关方法的有效性。选用型号为 N承外圈切割出宽为 0.2mm、深为 0.1mm 的（2-10）为外圈理论故障特征频率的公式，图 2-1 实验台
模拟试验台对齿轮故障进行模拟试验，该试验台采用的是一级减速齿轮箱。齿轮箱的输入轴为大齿轮，输出轴为小齿轮。大齿轮的齿数为 75，转频为 13.9Hz。小齿轮的齿数为 55，转频为 10.2Hz。采样频率为 5120Hz，输入轴转速为 850r/min。图 2-5 为存在点蚀故障的输入轴大齿轮，点蚀故障是通过对正常齿轮进行电火花处理仿真。计算可得齿轮的点蚀故障特征频率为 10.2Hz，啮合频率为 764.5Hz。图 2-5 齿轮点蚀故障图对齿轮点蚀故障信号分别进行时域分析和幅值谱分析，如图 2-6 所示。图 2-6(b)
【参考文献】：
期刊论文
[1]强噪源干扰下的滚动轴承复合故障分离方法研究[J]. 万书亭,张雄,豆龙江. 中南大学学报(自然科学版). 2018(08)
[2]基于EEMD-Hilbert包络谱和DBN的变负载下滚动轴承状态识别方法[J]. 王玉静,那晓栋,康守强,谢金宝,V I MIKULOVICH. 中国电机工程学报. 2017(23)
[3]基于时间-小波能量谱样本熵的滚动轴承智能诊断方法[J]. 邓飞跃,唐贵基. 振动与冲击. 2017(09)
[4]基于参数优化MPE与FCM的滚动轴承故障诊断[J]. 陈东宁,张运东,姚成玉,来博文,吕世君. 轴承. 2017(05)
[5]基于改进的PSO-SVM的音频信号特征识别和分类[J]. 张校非,白艳萍. 数学的实践与认识. 2017(01)
[6]基于ITD复杂度和PSO-SVM的滚动轴承故障诊断[J]. 张小龙,张氢,秦仙蓉,孙远韬. 振动与冲击. 2016(24)
[7]滚动轴承复合故障诊断的自适应方法研究[J]. 马新娜,杨绍普. 振动与冲击. 2016(10)
[8]应用奇异值分解和峭度分离滚动轴承复合故障[J]. 王宇,钟雯,尹洋,宋春华,童俊. 西华大学学报(自然科学版). 2016(03)
[9]一种改进权重的非局部均值图像去噪方法[J]. 黄玲俐. 计算机技术与发展. 2016(06)
[10]基于双时域微弱故障特征增强的轴承早期故障智能识别[J]. 张云强,张培林,王怀光,吴定海. 机械工程学报. 2016(21)
博士论文
[1]齿轮箱复合故障诊断特征提取的若干方法研究[D]. 王志坚.太原理工大学 2015
[2]自适应形态滤波与局域波分解理论及滚动轴承故障诊断[D]. 崔宝珍.中北大学 2013
[3]基于小波分析与神经网络滚动轴承故障诊断方法的研究[D]. 杨柳松.东北林业大学 2013
[4]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010
[5]基于局域均值分解的旋转机械故障特征提取方法及系统研究[D]. 任达千.浙江大学 2008
[6]基于循环平稳信号处理的滚动轴承故障诊断方法研究[D]. 周福昌.上海交通大学 2006
硕士论文
[1]旋转机械故障特征提取方法研究[D]. 庞彬.华北电力大学 2015
[2]基于经验模态分解的滚动轴承故障振动信号消噪研究[D]. 王可.湖南科技大学 2012
[3]时频分析方法在齿轮箱故障特征提取中的研究应用[D]. 薛松.太原理工大学 2008
[4]齿轮箱故障特征提取技术研究[D]. 王艳芳.中北大学 2007
本文编号：3355671
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3355671.html
