齿轮故障信号的自适应降噪方法的研究

发布时间：2020-06-01 16:29

【摘要】： 对机械系统进行故障诊断的一种有效方法是对其振动信号进行分析研究，但由于机器运转时存在背景噪声，常使得含有故障特征的信号淹没在噪声中，以至于无法识别故障。所以为了达到准确诊断故障的目的，首先要对采集到的振动信号进行前期处理，提高诊断信息的信噪比。本论文采用自适应噪声抵消技术，从含噪信息中提取故障信息。 使用自适应噪声抵消技术的关键在于选择合适的自适应算法和延迟长度，为了选取合适的算法，本文在自适应噪声抵消理论的基础上，将LMS和RLS两种自适应滤波算法分析对比，并进行计算机仿真。结果表明：LMS中的NLMS算法在降噪效果和收敛性能上优于传统的固定步长LMS算法，但收敛速度依然很慢；RLS中的FTF快速横向滤波器算法收敛精度高、收敛速度快、算法简单，能够满足机械系统振动信号降噪的要求。然后对延迟长度的选择进行仿真，得出延迟长度的选择范围。 在仿真基础上，将FTF算法应用于齿轮故障信号的提取上，，取得较好的效果，能够得到明显的故障特征，方法切实可行。 本课题对自适应噪声抵消在机械振动信号的去噪及故障提取方面的应用进行了初步的探索，为今后继续研究奠定了基础。
【图文】：

基本信号Figure3·3basalsignal

151000 20003000 400050006000 70008000图3一3基本信号Figure3· 3basalsignal|月|..1一〔100020003000 400050006000 70008000图3一4有用信号 Figure3一 4Pureusefulsignal32
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TH17

【引证文献】

相关硕士学位论文 前1条

1 谭玉芳;联合收割机测产系统振动信号的抑制研究[D];东北农业大学;2010年

本文编号：2691753