基于EEMD和优化的MP算法在齿轮箱故障诊断中的研究

发布时间：2020-10-22 12:11

　　 齿轮箱是机械设备中传递动力和旋转运动的最重要部件，为了保证齿轮箱能在高效率、高精度、高载荷条件下连续正常工作，对齿轮箱故障的分析与研究变得越来越重要。 提取故障特征信息是齿轮箱故障诊断的关键，而信号处理是特征提取的最常用方法之一，由于齿轮箱振动信号的采集比较方便且能很好的表征出故障特征信息，因此，本文将主要分析与处理在齿轮箱旋转过程中获取的振动信号。 实验中采集到的振动信号成分复杂且有较强的非平稳性，使信号的特征被湮没掉，造成信号分析的不准确。本论文利用基于遗传算法优化的匹配追踪（GAMP）算法对振动信号消噪，对比不同次数分解所需的计算时间，以及分解得到的重构信号与原始信号的均方误差和信噪比，找到了比较合适的分解次数，达到了很好的消噪效果。由于匹配追踪（MP）算法是以具有简谐振动和双面指数衰减振动特点的高斯函数作为基函数来对信号进行线性展开，对于消噪后的信号可能存在虚假频率成分或一些不连续分量，本文利用总体平均经验模式分解（EEMD）方法来剔除这些虚假的频率成分，针对分解过程中可能出现的端点效应，提出通过相关度从所有的IMF中选取反映故障特征敏感的IMF，剔除掉信号中的虚假频率成分，提取出特征频率。 本文研究中用到的实验平台是由电动机、两台齿轮箱、涡流制动器通过联轴器连接的一套传动系统，在齿轮箱上预先设定了齿面磨损、轴承外圈、滚动体以及保持架故障，通过数据采集系统获取不同状态工况下的齿轮箱振动信号。首先，采用基于遗传算法优化的MP算法对这些振动信号进行消噪处理，很好的锁定了信号的局部特征，然后通过EEMD分解剔除包含在消噪后信号中的虚假频率成分，在时频域提取出了故障频率，最后提取出GAMP消噪和EEMD分解重构信号的时域和频域特征值，通过支持向量机分类，达到了很好的诊断效果。
【学位单位】：中北大学
【学位级别】：硕士
【学位年份】：2014
【中图分类】：TH165.3
【文章目录】：
摘要
Abstract
1 绪论
    1.1 本论文的选题依据与意义
    1.2 齿轮箱故障诊断的技术手段和发展现状
        1.2.1 齿轮箱故障诊断的技术手段
        1.2.2 齿轮箱故障诊断的发展现状
    1.3 EEMD 方法和 MP 算法的研究现状
    1.4 本论文的研究内容
2 齿轮箱故障机理分析及其振动信号处理方法
    2.1 齿轮箱中零部件的失效分析
        2.1.1 齿轮主要失效形式
        2.1.2 滚动轴承的失效形式
    2.2 齿轮箱振动产生的机理分析
        2.2.1 齿轮的振动机理分析
        2.2.2 滚动轴承冲击振动的产生与特点
    2.3 齿轮箱故障诊断中振动信号分析处理方法
        2.3.1 时域特征值统计分析
        2.3.2 频谱分析
        2.3.3 时频域分析方法
    2.4 本章小结
3 EEMD 方法的研究
    3.1 引言
    3.2 EMD 的基本概念及原理
        3.2.1 EMD 中的瞬时频率
        3.2.2 本征模函数
        3.2.3 EMD 的分解过程
        3.2.4 本征模分量的选取
    3.3 EEMD 的基本概念及原理
        3.3.1 模态混叠和 EEMD 方法的提出
        3.3.2 EEMD 的原理及分解过程
        3.3.3 EEMD 与 EMD 对比
    3.4 本章小结
4 MP 算法的研究与优化
    4.1 引言
    4.2 信号稀疏分解原理
        4.2.1 稀疏分解的概念
        4.2.2 过完备字典
    4.3 MP 算法的原理与优化
        4.3.1 MP 算法的原理及流程
        4.3.2 MP 算法存在的缺陷
        4.3.3 基于遗传算法的 MP 算法优化
        4.3.4 GAMP 算法与 MP 算法对比
    4.4 GAMP 算法与 EEMD 结合
    4.5 本章小结
5 齿轮箱实验及故障分析与诊断
    5.1 齿轮箱故障诊断实验平台
        5.1.1 齿轮箱传动系统
        5.1.2 数据采集系统
        5.1.3 齿轮箱故障中齿轮和轴承的参数及故障设置
    5.2 GAMP 算法对齿轮箱振动信号消噪研究
    5.3 GAMP 算法消噪与小波消噪对比
    5.4 EEMD 分解剔除虚假 IMF
    5.5 齿轮箱振动信号分析
        5.5.1 正常信号的分析
        5.5.2 齿面磨损故障分析
        5.5.3 轴承外圈故障
        5.5.4 轴承保持架故障
        5.5.5 轴承滚动体故障
    5.6 基于支持向量机的齿轮箱故障分类
    5.7 本章小结
6 总结与展望
    6.1 本文总结
    6.2 展望
参考文献
攻读硕士学位期间发表的论文
致谢

【参考文献】

相关期刊论文 前10条

1 于德介,程军圣,杨宇;Hilbert-Huang变换在齿轮故障诊断中的应用[J];机械工程学报;2005年06期

2 雷亚国;何正嘉;訾艳阳;;基于混合智能新模型的故障诊断[J];机械工程学报;2008年07期

3 雷亚国;;基于改进Hilbert-Huang变换的机械故障诊断[J];机械工程学报;2011年05期

4 康晨晖;崔玲丽;王婧;高立新;胥永刚;;基于信号特征的复合字典多原子匹配算法研究[J];机械工程学报;2012年12期

5 尹忠科,王建英,邵君;基于原子库结构特性的信号稀疏分解[J];西南交通大学学报;2005年02期

6 丁康,朱小勇,陈亚华;齿轮箱典型故障振动特征与诊断策略[J];振动与冲击;2001年03期

7 曹冲锋;杨世锡;杨将新;;大型旋转机械非平稳振动信号的EEMD降噪方法[J];振动与冲击;2009年09期

8 丁康，王延春;传动箱齿轮和轴故障的振动诊断方法的研究[J];振动与冲击;1994年02期

9 李辉;郑海起;唐力伟;;基于EEMD和THT的齿轮故障诊断方法[J];振动.测试与诊断;2011年04期

10 彭畅;柏林;谢小亮;;基于EEMD、度量因子和快速峭度图的滚动轴承故障诊断方法[J];振动与冲击;2012年20期

相关博士学位论文 前2条

1 黄伟国;基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究[D];中国科学技术大学;2010年

2 许昕;基于滤波技术和粒子群优化的齿轮箱故障诊断研究[D];中北大学;2011年

本文编号：2851580