基于振动信号分析和神经网络的齿轮箱故障诊断技术研究

发布时间：2020-04-05 02:48

【摘要】： 振动信号分析是进行齿轮箱状态监测与故障诊断的重要手段。本文旨在研究适用于齿轮和滚动轴承的振动信号处理方法,并应用神经网络对各种处理方法处理后的数据进行模式识别,最后有效地分辨各种齿轮箱故障。 首先,本文对齿轮和滚动轴承的故障机理及各种激励因素对振动信号的影响进行了详细剖析,研究了齿轮和轴承振动信号的故障特征。然后从时域、频域和时频域详细介绍了齿轮和滚动轴承的各种故障诊断方法,最后确定了几种信号处理方法对本齿轮箱进行简易诊断和精密诊断。 其次,在了解齿轮、滚动轴承的振动机理和诊断方法基础上,搭建了齿轮箱故障试验装置,分别模拟了齿轮故障和滚动轴承故障,并对故障诊断方法进行了验证。基于各种方法在诊断本齿轮箱各种故障时的局限性(有时不能诊断出齿轮,特别是轴承故障)。本文提出了一种小波包络解调分析方法,并通过实践证明:与传统方法相比,小波包络解调分析方法能更好的解决由于实际的齿轮、轴承噪声大,振动信号的信噪比低,难以获得微弱故障特征等问题,为提取齿轮、特别是轴承早期故障特征提供了有效的分析手段。 最后,利用BP神经网络对齿轮箱故障进行分类。结果说明此类神经网络能够提取输入信号的细微特征,对故障分类具有很高的准确性和可靠性。
【图文】：

由齿轮、轴、轴承、箱体等零部件组成。两个齿轮组成一个齿空间任意两轴间的转动；轴的功用包括两个方面：第一支撑轴定的工作位置；第二传递运动和动力；滚动轴承的基本结构由持架四部分组成。内环通常安装在轴上，随轴一起转动，外环固定不动。内、外环具有沟形的滚道，，滚动体沿着滚道滚动，地分布在轴承内[14]。由以上三部分组成，其故障也就分为齿轮故障、轴承故障和转箱故障必须对其各零部件的振动机理和信号特征进行详细的研动机理及故障特征信息振动机理分析

中北大学学位论文系统，由于齿轮刚度周期性的变化、齿轮装的作用，齿轮将产生圆周方向的扭转振动，，轴、轴承座的振动也传给齿轮箱箱体，使气声的形式传播成为噪声[2,16]。动力学模型统是一个相当复杂的非线性系统。要建立其齿轮箱故障时，通常将齿轮副进行简化。齿简化为图 2.2 所示。
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TH132.41

【引证文献】

相关硕士学位论文 前10条

1 周莹;基于MIV特征筛选和BP神经网络的滚动轴承故障诊断技术研究[D];北京交通大学;2011年

2 高阳;基于DSP和分层时序记忆的齿轮箱故障诊断系统[D];中北大学;2011年

3 刘晓娟;基于希尔伯特—黄变换和支持向量机的齿轮箱故障诊断研究[D];中北大学;2011年

4 朱灵云;煤矿减速机健康状态评价的系统研究[D];郑州大学;2011年

5 张震;基于小波神经网络专家系统的齿轮箱故障诊断研究[D];燕山大学;2010年

6 彭春阳;基于振动信号分析的齿轮箱故障诊断仪的研究[D];重庆大学;2011年

7 田双蜀;基于声学特性的裂纹缺陷检测方法研究[D];东北大学;2009年

8 黄平平;基于EMD的齿轮变速箱声学故障诊断[D];中北大学;2012年

9 刘芬;基于独立分量分析的齿轮箱故障诊断研究[D];中北大学;2012年

10 刘恩涛;基于EMD和粒子群优化神经网络的齿轮箱故障诊断研究[D];中北大学;2012年

本文编号：2614428