基于多尺度融合离散熵的齿轮故障诊断方法研究
发布时间：2021-12-09 17:27
随着我国综合实力的日益提升和科技水平的不断进步,现代工业对高质量、低成本产品和安全生产的需求越来越高,工业机械设备的维护策略也快速从预防性维护转向为基于运行状态的实时监测与智能故障诊断。旋转机械是机械设备中最广泛普遍的类型之一,在工业应用中具有不可替代的地位。而基于旋转机械设备的状态监测与故障维护可以有效减少运行机组突发性的停机次数,甚至避免灾难性的事故。因此,发展研究旋转机械的故障诊断技术对于确保工业设备的安全高效运行具有十分重要的意义。作为机械设备中的关键零部件,齿轮广泛运用于工业生产线的传动系统,在几乎所有类型的旋转机械中都扮演着重要角色,机组设备的工作效率、运行状态都和它紧密相关。因此,本文以齿轮为研究对象,针对齿轮早期的弱局部性故障,在特征提取、噪声抑制和齿轮箱系统复合故障的解耦分离等方面展开了深入研究。针对齿轮箱系统中齿轮信号的非线性、不平稳现象,本文充分借鉴利用共振稀疏分解（RSSD）算法。区别于传统线性分离的信号处理技术,该方法可以将复杂信号分解为包含不同共振属性（振荡次数）的高低分量,更适用于具有明显非线性和非平稳特性的振动信号。但RSSD方法对噪声敏感,抗噪性能差,...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：162 页
【学位级别】：博士
【部分图文】：
图２－３齿轮冲击．型故障信号形成过程：（ａ）为振荡衰减响应，（ｃ）为周期性脉冲，（ｅ）为齿轮局??部性故障信号，（ｃ）、（ｄ）、（ｆ）分别为对应的频域波形??２２??
博士学位论文?２齿轮振动响应机理及共振稀疏分３齿轮振动信号模型??实际工况下，局部性故障激励的齿轮振动信号的时域波形不仅仅是简谐振动包含一系列以故障频率为特征的周期性冲击。在频域中，信号反映为包含齿轮及其谐波，两侧并伴有间隔相等的调制边频带，通常情况下调制边频为枏应转频率。在齿轮箱系统中，齿轮副的某一局部缺陷或故障会引起碰撞冲击型或故障与其他部件接触传动时，会产生相应冲击、并引起单个脉冲，其中蕴含特征信息。故障冲击的特征频率通常取决于部件的设计特征。同时，齿轮故障冲击分量还会引起振动信号的调制现象。如何有效提高特征频率的检测和识别的故障诊断研究具有重要的意义。如图２－４所示，故陣齿轮的信号成分复杂，和其他成分的干扰下，故障特征很容易被淹没掩盖。??
Ｗ为高次谐波的最大阶数，／＿Ａ为啮合频率，／ｇ为驱动轮转频，／；为从动轮??转频，４，和也分别是第”阶啮合频率的幅值、初始相位，４ｄ、４和么，、ｔ分别是主动??轮、从动轮对应的幅值、初始相位。图２－５是齿轮在健康状态下振动信号。??当齿轮运行状况良好时，齿轮信号在频谱上主要以啮合频率成分为主，其高次谐频逐??次减小，且齿轮副的啮合频率及其倍频的幅值较低。但在齿轮长期运行、发生故障条件下，??齿轮的固有频率及其啮合频率会被一起激励。齿轮的故障类型根据振动特性主要分为以下??两类：分布型故障和局部型故障［１Ｇ８］。其中，局部型故障主要包括齿根裂纹、齿面磨损等，??在齿轮副啮合接触过程中引起周期性碰撞冲击，并伴随有振动信号的调制现象，其频谱在??啮合频人处形成数量众多且均匀分布的边频带；典型的分布式故障包括齿轮不对中、偏??心等，其频域波形在齿轮啮合频／？＿处显示出高能量峰值。??０?０．０５?０．１?０．１５?０．２?０．２５?０．３?０．３５?０．４?０．４５?０．５??时间／Ｓ??图２－５健康状态下齿轮振动信号??本章研究以齿根裂纹等典型局部性故障类型为主。当齿轮发生局部性故障时，其振动??信号ｘ⑴主要由两部分组成：齿轮啮合相关信号和齿轮故障相关信号其表??达式为：??⑷＋?ｘ細丨（２－１１）??式（２－１１）中齿轮啮合相关信号ｘ？，￡ｓＡ〇〇分别是齿轮副主动轮、从动轮的旋转振动分量??及其高次谐波
【参考文献】：
期刊论文
[1]基于瞬时包络尺度谱熵的滚动轴承早期故障奇异点识别及特征提取[J]. 孙鲜明,刘欢,赵新光,周勃. 机械工程学报. 2017(03)
[2]过程功率谱熵在转子振动定量诊断中的应用[J]. 白斌,白广忱,李超. 航空发动机. 2015(01)
[3]复合Q因子基在齿轮箱微弱故障特征提取中的应用[J]. 崔玲丽,莫代一,王婧. 北京工业大学学报. 2014(11)
[4]多尺度模糊熵及其在滚动轴承故障诊断中的应用[J]. 郑近德,陈敏均,程军圣,杨宇. 振动工程学报. 2014(01)
[5]基于信号共振稀疏分解的包络解调方法及其在轴承故障诊断中的应用[J]. 陈向民,于德介,罗洁思. 振动工程学报. 2012(06)
[6]基于时频的频带熵方法在滚动轴承故障识别中的应用[J]. 王小玲,陈进,从飞云. 振动与冲击. 2012(18)
[7]基于EEMD的奇异谱熵在旋转机械故障诊断中的应用[J]. 高清清,贾民平. 东南大学学报(自然科学版). 2011(05)
[8]Research on Gear-box Fault Diagnosis Method Based on Adjusting-learning-rate PSO Neural Network[J]. 潘宏侠,马清峰. Journal of DongHua University. 2006(06)
[9]基于EMD的时频熵在齿轮故障诊断中的应用[J]. 于德介,张嵬,程军圣,杨宇. 振动与冲击. 2005(05)
[10]基于信息融合与神经网络的复合振动故障诊断[J]. 陈丁跃. 振动、测试与诊断. 2004(04)
博士论文
[1]图谱理论在齿轮箱故障诊断中的应用研究[D]. 欧璐.湖南大学 2016
[2]复合齿轮传动系统振动响应调制机理及稀疏分离方法研究[D]. 何国林.华南理工大学 2015
[3]局部特征尺度分解方法及其在机械故障诊断中的应用研究[D]. 郑近德.湖南大学 2014
本文编号：3531013
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：162 页
【学位级别】：博士
【部分图文】：
图２－３齿轮冲击．型故障信号形成过程：（ａ）为振荡衰减响应，（ｃ）为周期性脉冲，（ｅ）为齿轮局??部性故障信号，（ｃ）、（ｄ）、（ｆ）分别为对应的频域波形??２２??
博士学位论文?２齿轮振动响应机理及共振稀疏分３齿轮振动信号模型??实际工况下，局部性故障激励的齿轮振动信号的时域波形不仅仅是简谐振动包含一系列以故障频率为特征的周期性冲击。在频域中，信号反映为包含齿轮及其谐波，两侧并伴有间隔相等的调制边频带，通常情况下调制边频为枏应转频率。在齿轮箱系统中，齿轮副的某一局部缺陷或故障会引起碰撞冲击型或故障与其他部件接触传动时，会产生相应冲击、并引起单个脉冲，其中蕴含特征信息。故障冲击的特征频率通常取决于部件的设计特征。同时，齿轮故障冲击分量还会引起振动信号的调制现象。如何有效提高特征频率的检测和识别的故障诊断研究具有重要的意义。如图２－４所示，故陣齿轮的信号成分复杂，和其他成分的干扰下，故障特征很容易被淹没掩盖。??
Ｗ为高次谐波的最大阶数，／＿Ａ为啮合频率，／ｇ为驱动轮转频，／；为从动轮??转频，４，和也分别是第”阶啮合频率的幅值、初始相位，４ｄ、４和么，、ｔ分别是主动??轮、从动轮对应的幅值、初始相位。图２－５是齿轮在健康状态下振动信号。??当齿轮运行状况良好时，齿轮信号在频谱上主要以啮合频率成分为主，其高次谐频逐??次减小，且齿轮副的啮合频率及其倍频的幅值较低。但在齿轮长期运行、发生故障条件下，??齿轮的固有频率及其啮合频率会被一起激励。齿轮的故障类型根据振动特性主要分为以下??两类：分布型故障和局部型故障［１Ｇ８］。其中，局部型故障主要包括齿根裂纹、齿面磨损等，??在齿轮副啮合接触过程中引起周期性碰撞冲击，并伴随有振动信号的调制现象，其频谱在??啮合频人处形成数量众多且均匀分布的边频带；典型的分布式故障包括齿轮不对中、偏??心等，其频域波形在齿轮啮合频／？＿处显示出高能量峰值。??０?０．０５?０．１?０．１５?０．２?０．２５?０．３?０．３５?０．４?０．４５?０．５??时间／Ｓ??图２－５健康状态下齿轮振动信号??本章研究以齿根裂纹等典型局部性故障类型为主。当齿轮发生局部性故障时，其振动??信号ｘ⑴主要由两部分组成：齿轮啮合相关信号和齿轮故障相关信号其表??达式为：??⑷＋?ｘ細丨（２－１１）??式（２－１１）中齿轮啮合相关信号ｘ？，￡ｓＡ〇〇分别是齿轮副主动轮、从动轮的旋转振动分量??及其高次谐波
【参考文献】：
期刊论文
[1]基于瞬时包络尺度谱熵的滚动轴承早期故障奇异点识别及特征提取[J]. 孙鲜明,刘欢,赵新光,周勃. 机械工程学报. 2017(03)
[2]过程功率谱熵在转子振动定量诊断中的应用[J]. 白斌,白广忱,李超. 航空发动机. 2015(01)
[3]复合Q因子基在齿轮箱微弱故障特征提取中的应用[J]. 崔玲丽,莫代一,王婧. 北京工业大学学报. 2014(11)
[4]多尺度模糊熵及其在滚动轴承故障诊断中的应用[J]. 郑近德,陈敏均,程军圣,杨宇. 振动工程学报. 2014(01)
[5]基于信号共振稀疏分解的包络解调方法及其在轴承故障诊断中的应用[J]. 陈向民,于德介,罗洁思. 振动工程学报. 2012(06)
[6]基于时频的频带熵方法在滚动轴承故障识别中的应用[J]. 王小玲,陈进,从飞云. 振动与冲击. 2012(18)
[7]基于EEMD的奇异谱熵在旋转机械故障诊断中的应用[J]. 高清清,贾民平. 东南大学学报(自然科学版). 2011(05)
[8]Research on Gear-box Fault Diagnosis Method Based on Adjusting-learning-rate PSO Neural Network[J]. 潘宏侠,马清峰. Journal of DongHua University. 2006(06)
[9]基于EMD的时频熵在齿轮故障诊断中的应用[J]. 于德介,张嵬,程军圣,杨宇. 振动与冲击. 2005(05)
[10]基于信息融合与神经网络的复合振动故障诊断[J]. 陈丁跃. 振动、测试与诊断. 2004(04)
博士论文
[1]图谱理论在齿轮箱故障诊断中的应用研究[D]. 欧璐.湖南大学 2016
[2]复合齿轮传动系统振动响应调制机理及稀疏分离方法研究[D]. 何国林.华南理工大学 2015
[3]局部特征尺度分解方法及其在机械故障诊断中的应用研究[D]. 郑近德.湖南大学 2014
本文编号：3531013
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3531013.html
