基于EMD的齿轮箱故障特征提取方法研究

发布时间：2017-03-29 08:49

  本文关键词：基于EMD的齿轮箱故障特征提取方法研究，由笔耕文化传播整理发布。

【摘要】：随着工业技术的高速发展,齿轮箱越来越受到人们的普遍关注。汽车、机车及船舶的运转都离不开它。齿轮箱通常由轴、齿轮、轴承以及箱体等零部件组成。齿轮、轴、轴承的健康状态对机械设备的正常运转起到了关键的作用。 文章由传统的测振方法引出本文的工作重点。先对一般的时频分析法进行了介绍,在此基础上将小波分解法应用到信号的消噪中,相比傅利叶消噪具有明显优势。针对机械故障数据的信息量大等特点,引入基于EMD特征提取思想。本文第4章和第5章分别将PCA和流形LPP方法应用到实际故障诊断中。 本文的主要工作包括： (1)本文分析了传统时频分析法在振动信号中的应用,并指出了不能处理非平稳、非线性信号的关键问题。在此基础上介绍了新的方法-——Hilbert-Huang变换,对模拟信号进行了经验模态分解(Empirical Mode Decomposition,简称EMD),同时经过Hilbert-Huang变换得到了Hilbert边际谱和HHT谱。 (2)将支持向量机(Support Vector Machine,简称SVM)引入齿轮箱的故障诊断中,构建SVM网络模型。介绍了EMD分解中内禀能量熵的定义,当齿轮箱发生故障时,其振动信号的能量也会发生变化。不同频率成分的能量改变构成了不同的故障形式,因此可根据能量熵的不同来进行构架SVM网络,从而进行分类。 (3)针对故障数据处理难,引入一种基于EMD的时域特征提取方法——主分量分析法(principal components analysis,简称PCA),它的基本思想是寻找方差最小方向,以此来进行数据的约简和降维。针对工程中需要对系统进行故障监测和跟踪的研究,本文引入智能分析理论——神经网络系统。用主分量分析法进行分析并结合谱图进行故障诊断。经过处理,得12组分量。以前4组主分量数据(1-4振动数据)为测试样本子集,以其余的8组数据为训练样本子集,进行BP神经网络的训练和预测。结果为目标输出与实际输出的相关系数R=0.913,预测点基本符合实际点。 (4)将流形局部保持投影(Locality Preserving Projections简称,LPP)应用到齿轮箱故障诊断中。将提取出来的HHT时频谱矩阵进行奇异值分解,进行故障诊断,接着用LPP进行混叠故障信号数据的分类和降维,将此方法应用于故障模式识别问题,具有可行性,可以有效的对齿轮箱轴承故障进行分类。最后,根据文章的总体安排,开发了振动分析模块。
【关键词】：齿轮箱故障 EMD分析 主分量分析法 特征提取 流形LPP
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3;TH132.4
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 课题的选题和研究背景9
• 1.2 齿轮箱的故障形式和课题研究的意义9-11
• 1.2.1 齿轮的故障形式9-10
• 1.2.2 轴承故障形式10
• 1.2.3 课题的研究意义10-11
• 1.3 齿轮箱故障研究的国内外现状11-12
• 1.4 本文主要工作和结构安排12-15
• 2 一般常用的振动检测方法介绍15-27
• 2.1 齿轮传动的力学模型16-18
• 2.2 齿轮箱的振动信号的传统处理方法18-25
• 2.2.1 时域分析法18
• 2.2.2 频域分析法18-21
• 2.2.3 时频域分析法及其应用21-25
• 2.3 本章小结25-27
• 3 EMD方法的研究27-38
• 3.1 Hilbert-Huang变换与经验模式分解27-32
• 3.1.1 基于经验模式分解的Hilbert变换27-30
• 3.1.2 Hilbert谱30-32
• 3.2 EMD综合方法研究32-37
• 3.2.1 支持向量机32-34
• 3.2.2 EMD和支持向量机结合34-36
• 3.2.3 基于EMD奇异值熵法在齿轮箱故障检测中的应用36-37
• 3.3 本章小结37-38
• 4 基于EMD时域特征提取方法38-51
• 4.1 基于PCA的幅值分析特征提取38-44
• 4.1.1 PCA法介绍38
• 4.1.2 PCA在齿轮箱传感器检测中的应用38-44
• 4.2 神经网络建模并进行预测44-48
• 4.2.1 前馈型网络结构和反馈网络结构45-47
• 4.2.2 向后传播算法47-48
• 4.3 PCA法在轮箱故障诊断预测中的应用48-50
• 4.4 本章小结50-51
• 5 基于EMD的时频域故障提取方法51-59
• 5.1 流形算法——LPP算法51-53
• 5.2 LPP算法在轴承故障诊断中的应用53-55
• 5.3 HHT谱分析的LPP方法实验验55-58
• 5.4 本章小结58-59
• 6 齿轮箱故障检测系统总体设计和开发59-64
• 6.1 系统总体方案设计59
• 6.2 系统界面59-61
• 6.3 具体信号的分析61-63
• 6.3.1 时、频域分析模块61-62
• 6.3.2 小波分析模块62-63
• 6.3.3 EMD分析模块63
• 6.4 本章小结63-64
• 结论64-66
• 参考文献66-69
• 攻读硕士学位期间发表学术论文情况69-70
• 致谢70-71

【参考文献】

中国期刊全文数据库 前10条

1 崔玲丽;高立新;张建宇;胥永刚;;基于EMD的复合故障诊断方法[J];北京科技大学学报;2008年09期

2 方健;李自品;彭辉;戴思初;吴晓文;;基于主成分分析法的BP神经网络的应用[J];变压器;2011年01期

3 张煜东;霍元铠;吴乐南;董正超;;降维技术与方法综述[J];四川兵工学报;2010年10期

4 李天云,赵妍,李楠;基于EMD的Hilbert变换应用于暂态信号分析[J];电力系统自动化;2005年04期

5 姜绍俊;;小波变换在轴承故障诊断中的研究[J];电脑知识与技术;2009年18期

6 张志伟;杨帆;夏克文;杨瑞霞;;一种应用于小样本人脸识别的2DLPP算法[J];光电子.激光;2008年07期

7 孟明,牛东晓,孟宁;基于主成分分析的神经网络评价模型研究[J];华北电力大学学报;2004年02期

8 刘占生,张新江,杨建国,夏松波;转子轴心轨迹故障诊断特征识别方法研究[J];哈尔滨工业大学学报;1998年06期

9 闵惜琳,刘国华;用MATLAB神经网络工具箱开发BP网络应用[J];计算机应用;2001年S1期

10 杜浩藩,丛爽;基于MATLAB小波去噪方法的研究[J];计算机仿真;2003年07期

中国硕士学位论文全文数据库 前3条

1 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

2 张璇;基于小波包和EMD的滚动轴承故障信号分析[D];北京化工大学;2008年

3 易雄;基于小波分析的机械故障特征提取与诊断技术研究[D];浙江工业大学;2009年

  本文关键词：基于EMD的齿轮箱故障特征提取方法研究，，由笔耕文化传播整理发布。

本文编号：274058