基于广义形态滤波和集合经验模态分解的齿轮箱故障诊断

发布时间：2017-05-28 19:03

  本文关键词：基于广义形态滤波和集合经验模态分解的齿轮箱故障诊断，由笔耕文化传播整理发布。

【摘要】：随着现代科学技术和自动化程度的不断提高，齿轮箱作为一种重要的传输部件，广泛应用在交通、能源、电力、冶金、化工、航空航天等各个领域并发挥着举足轻重的作用,因此对于齿轮箱的故障诊断也显得尤为重要。 本文首先研究了齿轮箱的动力学模型，对齿轮、滚动轴承和轴的的各种故障机理、故障类型进行了详细分析，并对齿轮箱各种故障类型的振动信号特征进行了总结。然后介绍了齿轮箱振动信号传统的时域法、频域法以及时频法三大类主要的方法。针对传统滤波方法的不足，构建了广义形态滤波器，，很好的消除了输出的统计偏倚的现象。然后介绍了结构元素的种类和选取原则，并通过仿真信号对传统的形态滤波与广义形态滤波效果进行了对比，验证了该方法的有效性。在获取故障特征频率过程中，针对EMD分解中出现的端点效应和模态混叠，分别采用了极值点延拓和集合经验模态分解(即EEMD分解)来克服以上不足，另外传统的包络谱分析的无法反映细节信号、分辨率不高和能量泄露等问题，采用Hilbert边际谱，可以有效地解决上述问题，并通过仿真信号验证了两种方法结合的有效性。 Hilbert边际谱克服了传统包络法需要确定带通滤波器的中心频率和带宽的不足，从而可以实现故障频率的准确定位。但是由于EEMD分解易受噪声干扰，因此去噪就显得尤为重要。针对上述问题，本文将广义形态滤波、EEMD分解以及Hilbert边际谱三种方法结合起来，首先利用广义形态滤波对故障信号进行滤波，减小噪声的干扰，然后利用EEMD对去噪后的信号分解，针对分解出的各IMF分量，利用相关系数法选择出合适的IMF分量，从而构成局部Hilbert边际谱。通过对故障特征频率进行判断，成功的将轴承的内、外环、保持架以及齿轮磨损和断齿的故障区分出来，从而达到有效区分齿轮箱中不同部位故障类型的作用。从实验结果能够看出以上三种方法的有效结合能够很好的将环境中不同种类的噪声进行滤除、对去噪后的信号进行分解并提取齿轮箱信号特征、诊断出齿轮箱故障类型，所以本文的研究结果不仅可以在齿轮箱的故障诊断中进行应用，而且也能够在其它类似的机械故障诊断中应用，具有较为广泛的应用前景。
【关键词】：齿轮箱 广义形态滤波 集合经验模态分解 Hilbert边际谱 故障诊断
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3
【目录】：

• 摘要4-5
• Abstract5-9
• 1.绪论9-13
• 1.1 选题背景及研究意义9
• 1.2 齿轮箱故障诊断的国内外发展现状9-11
• 1.3 本文的研究内容11-13
• 2. 齿轮箱故障诊断的机理13-27
• 2.1 齿轮箱组以及主要的的失效形式13
• 2.2 齿轮箱的动力学模型13-15
• 2.3 齿轮的主要失效形式15-16
• 2.4 轴承的主要失效形式16-18
• 2.5 轴的主要失效形式18-19
• 2.6 故障齿轮箱的振动信号特征19-21
• 2.7 传统方法的介绍21-25
• 2.8 小结25-27
• 3. 广义形态滤波算法研究27-36
• 3.1 形态学理论27-31
• 3.1.1 数学形态学基本概念27-28
• 3.1.2 数学形态算法在滤波中的表现28-29
• 3.1.3 建立形态学滤波器29
• 3.1.4 广义形态滤波器29-31
• 3.2 广义形态滤波仿真分析31-35
• 3.3 小结35-36
• 4. 集合经验模态分解（EEMD）算法研究36-44
• 4.1 EMD 分解理论36-38
• 4.1.1 端点效应37-38
• 4.1.2 模态混叠38
• 4.2 EEMD 分解理论38-39
• 4.3 Hilbert 边际谱39-40
• 4.4 EEMD 和 Hilbert 边际谱仿真分析40-43
• 4.5 小结43-44
• 5. 广义形态滤波和 EEMD 相结合的齿轮箱故障诊断方法44-64
• 5.1 齿轮箱故障诊断流程44-45
• 5.2 实验原理及过程45-49
• 5.2.1 实验装置45-47
• 5.2.2 传感器测点的选择及的安装47-48
• 5.2.3 实验设备48
• 5.2.4 测试系统48-49
• 5.3 实测故障信号的分析49-63
• 5.3.1 轴承内环49-53
• 5.3.2 轴承外环53-55
• 5.3.3 保持架55-57
• 5.3.4 齿轮磨损57-60
• 5.3.5 齿轮断齿60-63
• 5.4 小结63-64
• 6. 总结与展望64-65
• 参考文献65-70
• 致谢70-71
• 攻读硕士期间发表的论文及所取得的研究成果71-72

【参考文献】

中国期刊全文数据库 前10条

1 章立军;徐金梧;阳建宏;杨德斌;;自适应多尺度形态学分析及其在轴承故障诊断中的应用[J];北京科技大学学报;2008年04期

2 陈侃;傅攀;谢辉;;倒频谱分析在滚动轴承故障监测中的运用[J];四川兵工学报;2008年01期

3 石景林;;工程机械故障诊断方法综述[J];工程机械与维修;2010年12期

4 何敏;张志利;刘辉;赵锴;张永鑫;;故障诊断技术方法综述[J];国外电子测量技术;2006年05期

5 殷婕;龚晓峰;武瑞娟;冯霞;;基于图像处理的跳频信号参数估计[J];电子技术应用;2013年01期

6 于德介,程军圣;EMD方法在齿轮故障诊断中的应用[J];湖南大学学报(自然科学版);2002年06期

7 余建青;臧观建;谢世坤;李强征;;旋转机械故障诊断中的信号处理技术综述[J];机床与液压;2011年24期

8 胡劲松;杨世锡;;EMD方法基于径向基神经网络预测的数据延拓与应用[J];机械强度;2007年06期

9 章立军;杨德斌;徐金梧;陈志新;;基于数学形态滤波的齿轮故障特征提取方法[J];机械工程学报;2007年02期

10 胡爱军;安连锁;唐贵基;;HILBERT-HUANG变换端点效应处理新方法[J];机械工程学报;2008年04期

  本文关键词：基于广义形态滤波和集合经验模态分解的齿轮箱故障诊断，由笔耕文化传播整理发布。

本文编号：403223