机械系统故障信号特征提取技术研究

发布时间：2020-04-30 00:07

【摘要】：机械故障诊断包括信号测量、特征提取、状态诊断和状态分析四个步骤,其中最关键的问题是故障信号的特征提取。旋转机械在机械设备中数量最多应用最广,是设备状态监测与故障诊断的重点。本文以齿轮箱传动系统为研究对象,研究齿轮和轴承故障信号特征提取的新理论与新方法,主要完成以下研究工作: 1.研究了齿轮箱各部件典型故障所产生的振动信号的特征,建立了齿轮与滚动轴承振动信号的数学模型;分析了齿轮箱典型故障所产生的振动对位移、速度、加速度及高阶加速度信号的不同影响;建立了齿轮箱系统的实验装置;研究并改进了时域平均技术,并利用该方法把各个齿轮的振动信号从齿轮箱总的振动信号中提取出来,实现齿轮振动信号的分离。研究了应用包络细化解调技术、倒频谱分析技术等方法提取齿轮与滚动轴承故障特征信息的优缺点。 2.讨论了小波基函数选取对信号特征提取的影响,提出一种基于复Morlet小波和连续小波变换的包络检波新算法。新方法用傅立叶变换快捷计算小波变换系数,得到能够反映信号全貌的尺度包络谱,通过该包络谱能够很容易的确定是否存在瞬时冲击及冲击信号所在频带。该分析过程在全频带内自动进行,无须先验知识与人工干预,便于利用计算机进行故障自动识别。 3.详细论述了基于小波变换的奇异性检测理论,重点研究了基于B样条二进小波变换及其快速算法—多孔算法,以及基于小波变换模极大值理论的信号奇异性检测方法。根据信号和噪声模极大值的尺度变换特性,提出了利用相邻两级细节信号的乘积作为检测信号求解多尺度模极大值分布图的方法,新方法根据模极大值的位置实现信号奇异点的精确定位,达到增强信号和抑制噪声的目的。并把该方法成功的应用于滚动轴承故障信号奇异性的检测,为设备故障诊断提供了一种新的方法。 4.研究了非线性时间-频率分布在故障特征提取中的应用。针对复杂机械故障产生的异常瞬时振动信号探测,提出一种新的无混叠双线性时间-频率分布方法,给出了新的时频变换核函数,新方法能够避免常用的双线性时频分布中的频率混叠与信息丢失,
【图文】：

()000jffjffjffPeeeπππ 最后得到时域同步平均系统的幅频、相频特性分别为0sinsinfffPPππ01()fH f= (20φ ( f )= π(P 1)f/f(2带通滤波器的中心频率是旋转频率 的整倍数，即0f (0,1,2,3)0kf k= ；通常()10H kf=，半功率带宽近似等于 f /P。在平均次数0P 很大时，通带宽度变得很因此时域同步平均能有效提取与旋转频率相关的周期信号，消除噪声及非相关信若选择适当的就可以达到提取相应信号，，排除干扰的目的。0f

中北大学学位论文图2.5(a) 加速度信号的时域平均图 2.5(b)位移信号图 2.5b. 车辆传动系统齿轮箱故障检测齿轮箱的测试是在强载荷情况下进行的。一个伞齿轮的一个齿根部出现疲劳裂纹，并沿齿长发展。图 2.6(a) 为疲劳裂纹刚出现时加速度信号的时域平均。齿轮共有 22齿，但时域平均的主控成份为啮合频率的 4 次谐波(88 次)，这可能与加速度计在齿轮箱上的安装 6(b)是从加速度时域平均中去掉啮合振动后的旋转加速度信号，从幅度突变可清楚的看到 270 度附近有损坏。加速度旋转误差的四阶矩(峭度)为6.0，而未损坏齿轮的峭度大约为 3.0。加速度的一阶导数(jerk) 对齿轮局部损坏比较敏感。图 2.6(c)为从加速度时域平均得到的加速度的一阶导数。与图 2.6 (b)比较可以看到，在 270 度幅度有明显的增大。峭度值变为 6.4，证明加速度的一阶导数对早期故方法有关。图 2.图 2.5(c)
【学位授予单位】：中北大学
【学位级别】：博士
【学位授予年份】：2005
【分类号】：TH17

【引证文献】

相关期刊论文 前3条

1 黄晋英;潘宏侠;毕世华;杨喜旺;;基于盲信号处理的传动箱状态监测与故障诊断[J];弹箭与制导学报;2006年02期

2 傅勤毅;熊施园;;基于高斯谐波小波的齿轮箱故障诊断[J];铁道科学与工程学报;2013年04期

3 张照煌;丁显;刘曼;曾菊瑛;;基于小波变换的风电机组传动系统故障诊断与分析[J];应用基础与工程科学学报;2011年S1期

相关博士学位论文 前8条

1 赵玲;旋转机械系统故障特征提取中的分形方法研究[D];重庆大学;2010年

2 赵慧敏;柴油机非稳态振动信号分析与智能故障诊断研究[D];天津大学;2010年

3 程发斌;面向机械故障特征提取的混合时频分析方法研究[D];重庆大学;2007年

4 杨先勇;基于信号局部特征提取的机械故障诊断方法研究[D];浙江大学;2009年

5 史丽晨;基于故障机理分析的往复式活塞隔膜泵状态监测与故障诊断技术的研究[D];西安建筑科技大学;2009年

6 慕昱;基于数据挖掘的核电站故障诊断技术研究[D];哈尔滨工程大学;2011年

7 周晓峰;机械振动源的分离和识别方法研究[D];浙江大学;2012年

8 刘小平;提升机故障智能诊断理论及应用[D];中国矿业大学;2013年

相关硕士学位论文 前10条

1 李会臣;基于时频分析的齿轮故障机理及诊断研究[D];郑州大学;2010年

2 王晓斌;基于粒子滤波的齿轮箱故障诊断研究[D];中北大学;2011年

3 马航;齿轮箱故障诊断中粒子滤波技术的应用[D];中北大学;2011年

4 崔小超;球磨机传动系统状态检测与振动分析[D];辽宁科技大学;2012年

5 潘飞;虚拟式一体化齿轮箱故障诊断仪的研究[D];重庆大学;2007年

6 屈峰;汽车发动机故障诊断方法研究[D];大庆石油学院;2007年

7 薛松;时频分析方法在齿轮箱故障特征提取中的研究应用[D];太原理工大学;2008年

8 王业坚;烟机状态监测与叶片结垢分析研究[D];大庆石油学院;2008年

9 孙志辉;基于Hilbert谱特征提取的智能识别方法研究与应用[D];大连理工大学;2009年

10 于明月;第二代小波变换在旋转机械故障诊断中的应用研究[D];南京航空航天大学;2008年

本文编号：2645152