基于形态分量分析的齿轮箱故障诊断研究

发布时间：2017-06-19 23:05

  本文关键词：基于形态分量分析的齿轮箱故障诊断研究，由笔耕文化传播整理发布。

【摘要】：齿轮箱的组成结构以及实际运行状况都比较复杂,导致其极易发生故障。只要齿轮箱发生故障,其自身的运行安全性就会受到严重影响,故针对齿轮箱的故障诊断研究具有非常重要的现实意义。针对传统的Hilbert包络解调方法不适合分析多分量振动信号调制信息的问题,提出将形态分量分析(Morphological Component Analysis,MCA)方法应用于Hilbert包络解调法。利用该方法对仿真振动信号进行分析,得知该方法可分离信号中的谐振成分和冲击成分,且有效地凸显其特征信息。非平稳、非线性信号在实际测量过程中,信号的干扰噪声大且频带宽,若直接利用MCA方法进行分解,会严重影响有用信号和故障特征信息的提取。针对该问题,提出将EEMD、MCA和能量算子解调相结合的故障诊断方法。该方法先将齿轮箱故障振动信号进行EEMD分解;再依据原信号与各IMF分量的相关系数选取包含故障信息的IMF分量,并进行重构;再将获取的重构信号进行MCA分解,得到各形态成分;最后对包含故障特征信息的形态成分进行能量算子解调以获取故障的调制信息。通过对仿真信号和实测故障振动信号的分析,验证了该方法的有效性。针对阶次跟踪在分析变转速下的非平稳信号时易发生阶次混叠的问题,提出一种基于低通滤波的阶次跟踪技术,并将其与形态分量分析相结合。通过对仿真变速信号和实测变转速下滚动轴承外圈故障信号的分析,将改进的阶次跟踪技术和形态分量分析相结合的方法,可有效地提取变转速滚动轴承故障的特征信息,且能有效地避免阶次混叠现象、降低重采样阶次,从而减少重采样过程的计算量。
【关键词】：齿轮箱 形态分量分析 EEMD 能量算子解调 阶次跟踪 故障诊断
【学位授予单位】：石家庄铁道大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH132.41
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-15
• 1.1 课题研究的背景和意义8-9
• 1.2 齿轮箱故障诊断方法的研究现状9-13
• 1.2.1 基于平稳信号的齿轮箱故障诊断研究9-10
• 1.2.2 基于非平稳信号的齿轮箱故障诊断研究10-13
• 1.3 论文研究内容及章节安排13-15
• 1.3.1 论文的研究内容13
• 1.3.2 论文的章节安排13-15
• 第二章 齿轮箱的失效形式及故障机理分析15-26
• 2.1 齿轮箱的常见故障类型15
• 2.2 齿轮的失效形式及振动机理15-19
• 2.2.1 齿轮的常见失效形式16-17
• 2.2.2 齿轮的振动机理17-19
• 2.3 轴承的失效形式及振动机理19-22
• 2.3.1 轴承的常见失效形式19-20
• 2.3.2 轴承的振动机理20-22
• 2.4 齿轮箱试验台简介22-24
• 2.5 本章小结24-26
• 第三章 基于形态分量分析的包络解调方法26-38
• 3.1 MCA方法26-31
• 3.1.1 MCA原理26-27
• 3.1.2 MCA算法步骤27-28
• 3.1.3 MCA的阈值选择和更新方法28-30
• 3.1.4 MCA的字典选择30-31
• 3.2 基于MCA与包络解调分析的故障诊断方法31-37
• 3.2.1 Hilbert解调原理31
• 3.2.2 Hilbert解调的仿真信号分析31-33
• 3.2.3 基于MCA的Hilbert包络解调步骤33
• 3.2.4 基于MCA的Hilbert包络解调仿真信号分析33-37
• 3.3 本章小结37-38
• 第四章 基于MCA的齿轮故障诊断应用研究38-55
• 4.1 EEMD基础理论38-44
• 4.1.1 EEMD的基本原理和算法步骤38-39
• 4.1.2 EEMD方法中参数的设置及IMF分量的选取39-41
• 4.1.3 EEMD方法的算法仿真41-44
• 4.2 能量算子解调44-46
• 4.2.1 能量算子解调原理44-45
• 4.2.2 能量算子解调方法的仿真信号分析45-46
• 4.3 基于EEMD、MCA与能量算子解调的齿轮局部故障诊断方法46-47
• 4.4 基于MCA的齿轮局部故障仿真信号分析47-52
• 4.5 基于MCA的齿轮局部故障实测信号分析52-54
• 4.6 本章小结54-55
• 第五章 基于MCA的变转速滚动轴承故障诊断应用研究55-68
• 5.1 阶次跟踪方法55-59
• 5.1.1 阶次跟踪方法的基本原理及其实现步骤55-56
• 5.1.2 阶次跟踪方法中存在的问题及解决方案56-57
• 5.1.3 改进阶次跟踪方法的仿真信号分析57-59
• 5.2 基于MCA的变转速滚动轴承故障诊断方法59-60
• 5.3 基于MCA的变转速滚动轴承故障仿真信号分析60-64
• 5.4 基于MCA的变转速滚动轴承故障实测信号分析64-67
• 5.5 本章小结67-68
• 第六章 结论与展望68-70
• 6.1 论文主要研究工作及结论68-69
• 6.2 论文研究工作展望69-70
• 参考文献70-75
• 致谢75-76
• 个人简历、在学期间的研究成果及发表的学术论文76

【相似文献】

中国期刊全文数据库 前10条

1 黄晋英;毕世华;潘宏侠;杨喜旺;;独立分量分析在齿轮箱故障诊断中的应用[J];振动、测试与诊断;2008年02期

2 一民;高速齿轮箱故障诊断技术及其诊断系统通过鉴定[J];振动、测试与诊断;1991年04期

3 戴丽杰;;齿轮箱故障诊断方法[J];黑龙江科技信息;2002年08期

4 高国华 ,张永忠;齿轮箱故障诊断技术的新发展[J];机械传动;2003年06期

5 高永生;唐力伟;王建华;金海薇;;基于系统特性的齿轮箱故障诊断[J];煤矿机械;2006年01期

6 魏秀业;潘宏侠;;齿轮箱故障诊断技术现状及展望[J];测试技术学报;2006年04期

7 邢士勇;金海薇;郑海起;唐力伟;;基于关联距离熵的齿轮箱故障诊断[J];机械工程师;2007年07期

8 吴德会;;一种基于支持向量机的齿轮箱故障诊断方法[J];振动、测试与诊断;2008年04期

9 王华;包磊;宋昊明;郭颖;叶伟;;空分457齿轮箱故障诊断[J];机械研究与应用;2008年03期

10 朱有剑;李建;;基于倒频谱特征提取的齿轮箱故障诊断[J];科技广场;2008年08期

中国重要会议论文全文数据库 前6条

1 蔡安江;豆卫涛;柴彦昌;孙少军;;基于人工神经网络技术的齿轮箱故障诊断应用研究[A];陕西省机械工程学会第九次代表大会会议论文集[C];2009年

2 高永生;唐力伟;甘霖;杨通强;;基于系统特性的齿轮箱故障诊断[A];2005年中国机械工程学会年会论文集[C];2005年

3 李爱民;;基于灰色聚类决策的齿轮箱故障诊断[A];第19届灰色系统全国会议论文集[C];2010年

4 金大玮;李建桥;贾民平;;循环自相关函数在齿轮箱故障诊断中的应用[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（上册）[C];2008年

5 董海江;赵春华;万诗庆;汪伟;;LWPEE与SVM在风电齿轮箱故障诊断中的应用[A];第十一届全国摩擦学大会论文集[C];2013年

6 雷亚国;林京;何正嘉;;基于多传感器信息融合的行星齿轮箱故障诊断[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国博士学位论文全文数据库 前3条

1 欧璐;图谱理论在齿轮箱故障诊断中的应用研究[D];湖南大学;2016年

2 许昕;基于滤波技术和粒子群优化的齿轮箱故障诊断研究[D];中北大学;2011年

3 焦新涛;小波分析及其在齿轮箱故障诊断中应用研究[D];华南理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 李猷凤;齿轮箱故障诊断的小波包-ICA分析方法[D];南京理工大学;2015年

2 鄢小安;基于自适应振动信号处理的齿轮箱故障诊断研究[D];华北电力大学;2015年

3 李楠;基于粒子滤波的齿轮箱故障诊断[D];华北电力大学;2015年

4 张韶;基于数据挖掘技术在齿轮箱故障诊断的应用[D];河北工程大学;2015年

5 李国明;基于神经网络的齿轮箱故障诊断研究[D];河北工业大学;2015年

6 卢昆鹏;基于DSP-SVM的风电齿轮箱故障诊断系统[D];中北大学;2016年

7 马凌芝;基于DSP和TQWT稀疏分解的风电齿轮箱故障诊断系统[D];中北大学;2016年

8 郭松涛;基于约束独立分量分析的齿轮箱故障诊断研究[D];河南理工大学;2015年

9 牛志雷;基于形态分量分析的齿轮箱故障诊断研究[D];石家庄铁道大学;2016年

10 曹劲然;大型吊装装备齿轮箱故障诊断与预测方法研究[D];南京理工大学;2016年

  本文关键词：基于形态分量分析的齿轮箱故障诊断研究，，由笔耕文化传播整理发布。

本文编号：463972