基于EEMD和SVM的齿轮箱故障诊断与识别

发布时间：2017-09-07 02:15

  本文关键词：基于EEMD和SVM的齿轮箱故障诊断与识别

  更多相关文章： 齿轮箱 故障诊断 希尔伯特黄变换 总体经验模态分解 支持向量机

【摘要】：齿轮箱作为机械设备的必要组成部分,是传递机械运动和动力的重要工具,齿轮箱在高负载和高转速的状态下长期工作,会使其内部零件发生故障,影响生产效率,因此,对齿轮箱的故障的准确和有效的诊断显得尤为重要。通过总体经验模态分解(EEMD)结合希尔伯特-黄变换(HHT)对故障信息进行提取和分析,实现对齿轮箱的故障诊断;同时利用EEMD与支持向量机(SVM)相结合,对齿轮箱故障进行识别,二者均取得了很好的效果,实现了对齿轮箱故障的诊断与识别。本文通过对齿轮箱产生的振动信号进行分析,选取EEMD方法处理非平稳、非线性的齿轮箱振动信号,有效的抑制了经验模态分解(EMD)的端点效应和模态混叠现象,实现了对振动信号有效的降噪和特征频率分解。利用齿轮箱故障诊断平台模拟实际故障,采用时域波形图、功率谱图、EEMD分解图和Hilbert边际谱图等多种时频域分析方法,有效的实现了对齿轮箱故障的初步诊断。通过对振动信号的EEMD分解得到一系列的本征模函数(IMF),利用自相关分析选取与原始信号相关度高,能够正确反应原始信号特征信息的IMF分量的能量熵作为特征向量输入到SVM中,利用SVM对样本容量依赖小的优点,通过选取三种工况的各40组样本作为训练样本,通过SVM学习三种工况的内在规律,利用10组样本作为测试样本进行测试,针对三种不同的齿轮箱工作状态,达到了较高的故障识别率,从而实现了对齿轮箱故障的识别。
【关键词】：齿轮箱 故障诊断 希尔伯特黄变换 总体经验模态分解 支持向量机
【学位授予单位】：华北水利水电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH132.41
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 1 绪论10-14
• 1.1 选题背景10
• 1.2 齿轮箱状态监控和故障诊断的理论意义与实用价值10-11
• 1.3 国内外研究现状11-14
• 1.3.1 齿轮箱故障诊断技术的研究现状11-12
• 1.3.2 齿轮箱故障诊断中信号处理技术的研究现状12-14
• 2 齿轮箱的故障特性及常用的振动分析方法14-26
• 2.1 齿轮箱常见的失效形式14-16
• 2.1.1 齿轮箱典型的失效形式及故障类型14
• 2.1.2 齿轮的典型故障类型14-15
• 2.1.3 滚动轴承故障类型15-16
• 2.2 齿轮箱振动机理研究16-19
• 2.2.1 齿轮的振动产生机理16-17
• 2.2.2 齿轮的固有特性17-18
• 2.2.3 滚动轴承的振动产生机理18
• 2.2.4 轴承的固有特性18-19
• 2.3 齿轮箱振动信号分析处理方法19-26
• 2.3.1 时域特征值统计分析法20-21
• 2.3.2 频谱分析法21-22
• 2.3.3 时频域分析法22-26
• 3 EEMD方法的研究26-42
• 3.1 EMD的概念及原理26-32
• 3.1.1 EMD中的瞬时频率26-27
• 3.1.2 本征模函数（IMF）27-28
• 3.1.3 EMD的分解过程28-31
• 3.1.4 本征模分量的选取31-32
• 3.2 EEMD的概念及原理32-36
• 3.2.1 模态混叠和EEMD方法的提出32-34
• 3.2.2 EEMD原理及分解过程34-36
• 3.2.3 EEMD与EMD对比36
• 3.3 希尔伯特变换36-38
• 3.4 仿真实验38-42
• 4 齿轮箱的故障诊断及分析42-56
• 4.1 齿轮箱故障诊断系统42-46
• 4.1.1 齿轮箱故障诊断实验平台42-45
• 4.1.2 齿轮箱的故障设置45-46
• 4.2 齿轮箱振动信号的分析46-56
• 4.2.1 正常信号分析46-48
• 4.2.2 缺齿故障信号分析48-51
• 4.2.3 齿面磨损信号分析51-56
• 5 基于EEMD和SVM的齿轮箱故障识别56-68
• 5.1 齿轮箱故障特征的提取56-60
• 5.2 IMF分量能量熵的计算及分析60
• 5.3 支持向量机的基础理论60-62
• 5.3.1 支持向量机的统计理论基础60-61
• 5.3.2 支持向量机的分类原理61-62
• 5.4 支持向量机的分类器设计62
• 5.5 支持向量机的训练与识别62-68
• 6 结论与展望68-70
• 6.1 结论68
• 6.2 展望68-70
• 攻读学位期间发表的学术论文及参加的科研项目目录70-72
• 致谢72-74
• 参考文献74-76

【参考文献】

中国期刊全文数据库 前3条

1 向丹;岑健;;基于EMD熵特征融合的滚动轴承故障诊断方法[J];航空动力学报;2015年05期

2 祝晓燕;张金会;何政军;朱霄s，

本文编号：806813