齿轮箱故障诊断的小波包-ICA分析方法

发布时间：2017-08-31 00:26

  本文关键词：齿轮箱故障诊断的小波包-ICA分析方法

  更多相关文章： 齿轮箱 故障诊断 独立分量分析 小波包 支持向量机

【摘要】：齿轮箱是旋转机械装备中最为常见的传动装置之一,其运行状态对整个装备的运行效率、操作效果和工作寿命至关重要。一旦齿轮箱发生故障,将会导致不可预知的后果。齿轮箱振动信号中包含丰富的齿轮箱故障信息,但由于早期齿轮箱故障信号比较微弱,容易被外界噪声和其他部件的振动信号淹没,因此,从齿轮箱振动信号中准确地提取出故障信息,对于齿轮箱故障诊断具有重要的意义。本文以齿轮箱中齿轮元件的故障为研究对象,采用小波包和ICA分析方法从齿轮箱振动信号中提取出齿轮故障信息,主要工作有：(1)结合齿轮箱振动信号的特点,采用了一种针对超高斯信号的ICA改进算法,可用于齿轮箱振动信号中包含了超高斯故障信号的诊断分离。经过仿真分析,该方法效果很好。(2)提出了一种用于齿轮箱故障诊断的小波包-ICA分析方法。该方法首先采用小波包分析技术对原始振动信号进行降噪预处理,然后对预处理后的振动信号采用改进ICA方法分离出包含齿轮运行状态的齿轮振动信号。再对分离出的振动信号进行小波包包络谱分析。当检测到有故障发生时,利用小波包频带分解技术得到不同频带上信号能量的特征值。最后利用SVM对这些能量特征值进行分类,实现对齿轮故障的分类诊断。(3)利用齿轮箱故障诊断实验平台获取的原始振动信号,通过matlab平台实现上述基于小波包-ICA的故障诊断与分离算法。经过比较分析,验证了本文方法的有效性,为齿轮箱故障诊断提供了一种有效的诊断方式。
【关键词】：齿轮箱 故障诊断 独立分量分析 小波包 支持向量机
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3;TH132.41
【目录】：

• 摘要3-4
• Abstract4-7
• 1 绪论7-15
• 1.1 齿轮箱故障诊断的研究意义7-8
• 1.2 相关领域的国内外研究现状8-13
• 1.2.1 齿轮箱故障诊断常用方法研究现状8-9
• 1.2.2 齿轮箱振动信号分析方法的研究现状9-10
• 1.2.3 小波分析在齿轮箱故障诊断中的研究现状10-11
• 1.2.4 Hilbert-Huang变换方法及用于齿轮箱故障诊断的现状11-12
• 1.2.5 独立分量分析方法及在故障诊断中的研究现状12-13
• 1.3 论文研究的主要内容13-15
• 1.3.1 本论文的研究对象13
• 1.3.2 本论文的主要工作13-15
• 2 齿轮故障机理分析15-20
• 2.1 齿轮的主要振动类型15-17
• 2.2 齿轮的振动频率特征17-18
• 2.3 齿轮的主要失效形式18-19
• 2.4 本章小结19-20
• 3 小波包与ICA分析算法及其仿真研究20-38
• 3.1 小波包分析方法20-27
• 3.1.1 Mallat算法20-21
• 3.1.2 小波包的定义与空间剖分21-23
• 3.1.3 小波包分解23-24
• 3.1.4 小波包分解与重构24-25
• 3.1.5 基于小波包的信号消噪25-27
• 3.2 ICA理论及其实现算法27-37
• 3.2.1 ICA的基本模型27
• 3.2.2 ICA问题的假设条件与性质27-28
• 3.2.3 性能评价标准28-29
• 3.2.4 预处理过程29-30
• 3.2.5 独立分量分析的算法30-31
• 3.2.6 FastICA算法31-33
• 3.2.7 一种改进的FastICA算法~[75]33-36
• 3.2.8 简单信号盲源分离仿真36-37
• 3.3 本章小结37-38
• 4 基于小波包与ICA相结合的齿轮箱故障诊断方法38-60
• 4.1 齿轮箱故障诊断实验平台38-40
• 4.2 基于小波包络谱与ICA相结合的故障特征提取40-55
• 4.2.1 信号的降噪处理40-42
• 4.2.2 ICA预处理42-45
• 4.2.3 小波包故障特征提取45-55
• 4.3 基于支持向量机的故障分类55-59
• 4.4 本章小结59-60
• 5 总结与展望60-62
• 5.1 总结60-61
• 5.2 展望61-62
• 致谢62-63
• 参考文献63-68
• 附录68

【参考文献】

中国期刊全文数据库 前10条

1 冯伟;贺石中;;摩擦学系统特征信息关系的试验研究[J];工程设计学报;2011年04期

2 罗艳芳,王克明;小波包分析在内燃机车静液压齿轮箱故障诊断中的应用[J];沈阳航空工业学院学报;2003年01期

3 高经纬;姜乐华;张培林;任国全;;基于油液和振动信息融合的自行火炮齿轮箱故障诊断方法[J];火炮发射与控制学报;2008年04期

4 崔晓静;黄晋英;;FASTICA算法在齿轮箱故障中的研究[J];煤矿机械;2011年01期

5 宋飞;潘宏侠;黄晋英;;基于HHT的齿轮箱复合故障诊断研究[J];煤炭技术;2010年12期

6 张睿;黄晋英;张永梅;;ICA算法及其在齿轮箱故障诊断中的应用[J];矿山机械;2013年05期

7 王细洋;胡贵锋;;基于FastICA算法的齿轮箱故障诊断方法[J];南昌航空大学学报(自然科学版);2013年01期

8 罗毅;甄立敬;;基于小波包与PCA遗传神经网络相结合的齿轮箱故障诊断方法[J];化工自动化及仪表;2014年02期

9 马斌;陈俊杰;;脑图像数据中的独立分量分析方法[J];计算机工程;2014年03期

10 沈希忠,史习智,杜海平,张亮;基于时域统计平均预处理的RBF网络发动机气缸压力识别方法[J];上海交通大学学报;2003年01期

中国博士学位论文全文数据库 前1条

1 李晖晖;多传感器图像融合算法研究[D];西北工业大学;2006年

中国硕士学位论文全文数据库 前1条

1 黄超勇;基于粒子群优化支持向量机决策树的齿轮箱故障诊断方法[D];太原理工大学;2012年

，

本文编号：762390