基于信号共振稀疏分解的齿轮箱故障诊断方法研究

发布时间：2017-04-07 16:12

  本文关键词：基于信号共振稀疏分解的齿轮箱故障诊断方法研究，由笔耕文化传播整理发布。

【摘要】：齿轮箱是机械装备中的重要部件，在机械系统的动力及旋转运动的传递上起着至关重要的作用。齿轮箱的运行状态在很大程度上影响着整个机械系统的运行状况，齿轮箱故障将直接影响到整个机械设备的安全性和可靠性，因此，对齿轮箱进行状态监测与故障诊断具有重要的实用价值和现实意义。在目前的齿轮箱故障诊断技术中，振动诊断技术的工程实用性更高，应用范围更广。基于振动分析的齿轮箱诊断原理是利用传感器获取齿轮箱的振动信号，再从信号中提取出故障特征信息，进而实现齿轮箱的故障诊断。 基于品质因子可调小波变换(Tunable Q-Factor Wavelet Transform，TQWT)，Sekesnick最近提出了信号共振稀疏分解方法，该方法根据谐波信号和冲击信号所具有的品质因子Q不同，利用TQWT分别对信号进行高Q和低Q的稀疏表示，然后采用形态分量分析(Morphological Component Analysis，MCA)对信号进行非线性分离，得到包含谐波信号的高共振分量和包含冲击信号的低共振分量。但该方法的分解效果与分解参数的选择密切相关，而传统信号共振稀疏分解方法手动选择分解参数，导致对应的TQWT基函数不能与信号中的各成分进行最优匹配，从而降低了分离效果。 本论文在国家自然科学基金项目“信号共振稀疏分解方法及其在机械故障诊断中的应用研究”(项目批准号：51275161)和湖南大学汽车车身先进设计制造国家重点实验室自主研究课题“汽车关键零部件的早期故障诊断与剩余寿命预测技术研究”(项目编号：71375004)资助下，以齿轮箱中齿轮、轴承等典型零件的振动机理为研究基础，针对传统信号共振稀疏分解方法因手动选择分解参数导致分解效果不佳的问题，将信号共振稀疏分解分别与遗传算法、分步迭代优化方法相结合，，并将其应用于齿轮箱故障诊断。 论文的主要研究工作有 (1)信号共振稀疏分解方法的分解效果与分解参数密切相关，而手动选择往往带有随意性，难以获得最佳的分解效果。针对上述问题，提出了基于最优品质因子信号共振稀疏分解的滚动轴承故障诊断方法。该方法以低共振分量的峭度最大为目标，利用遗传算法对信号共振稀疏分解的品质因子进行优化，获得最优品质因子，再利用最优品质因子进行信号分解，可获得最佳分解效果。仿真分析和应用实例证明了该方法的有效性。 (2)针对遗传算法计算效率低、运算时间长的问题，提出了基于分步迭代优化信号共振稀疏分解的滚动轴承故障诊断方法。该方法以低共振分量的峭度最大为目标，利用分步迭代优化方法对信号共振稀疏分解的品质因子进行优化，获得最优品质因子，再利用最优品质因子进行信号分解，可获得最佳分解效果。仿真分析和应用实例表明，该方法能在获得最佳的分解效果的同时，大幅缩短计算时间、提高优化效率。 (3)针对传统解调分析方法在复合故障诊断中的局限性，提出了基于最优分解参数信号共振稀疏分解的齿轮箱复合故障诊断方法。该方法先利用高共振分量的平滑指数和低共振分量的峭度构造复合指标，再以复合指标最大为目标，利用遗传算法对信号共振稀疏分解的分解参数进行优化，获得最优分解参数，再利用最优分解参数进行信号分解，以有效地分离复合信号中的谐波信号和冲击信号。仿真分析和应用实例表明，该方法能有效地分离复合信号中的齿轮故障信号和轴承故障信号、凸显故障特征。 本文以信号共振稀疏分解方法为基础，结合遗传算法、分步迭代优化方法，提出了基于改进信号共振稀疏分解的齿轮箱故障诊断方法。仿真分析和应用实例表明，改进的信号共振稀疏分解方法在齿轮箱故障诊断上具有很好的应用前景。
【关键词】：共振稀疏分解 品质因子 遗传算法 峭度 平滑指数 齿轮箱 故障诊断
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH132.41;TH165.3
【目录】：

• 摘要5-7
• Abstract7-13
• 插图索引13-15
• 附表索引15-16
• 第1章 绪论16-27
• 1.1 研究背景与意义16-17
• 1.2 齿轮箱故障诊断研究现状17-18
• 1.2.1 故障诊断技术发展概述17
• 1.2.2 齿轮箱故障诊断研究现状17-18
• 1.3 信号处理技术在齿轮箱故障诊断中的应用18-24
• 1.3.1 时域分析法18-20
• 1.3.1.1 时间序列的统计分析18-19
• 1.3.1.2 时间序列模型分析19-20
• 1.3.2 频域分析法20-21
• 1.3.2.1 倒频谱分析20
• 1.3.2.2 高阶谱分析20-21
• 1.3.2.3 解调谱分析21
• 1.3.3 时频域分析法21-24
• 1.3.3.1 短时傅里叶变换21-22
• 1.3.3.2 小波变换22-23
• 1.3.3.3 经验模态分解23
• 1.3.3.4 原子分解23-24
• 1.3.3.5 信号共振稀疏分解24
• 1.4 本文研究思路与主要研究内容24-27
• 1.4.1 问题的提出24-25
• 1.4.2 本文的研究思路25
• 1.4.3 本文的主要内容及章节安排25-27
• 第2章 齿轮箱的故障机理及诊断技术27-34
• 2.1 齿轮箱故障及其成因27-29
• 2.1.1 齿轮故障及其成因27-28
• 2.1.2 滚动轴承故障及其成因28-29
• 2.2 齿轮箱故障诊断技术29-30
• 2.2.1 振动诊断技术29
• 2.2.2 噪声诊断技术29
• 2.2.3 声发射诊断技术29-30
• 2.2.4 温度诊断技术30
• 2.3 齿轮箱故障振动信号特征30-32
• 2.3.1 齿轮故障振动信号特征30-31
• 2.3.2 滚动轴承故障振动信号特征31-32
• 2.4 基于振动分析的齿轮箱故障诊断基本步骤32-33
• 2.5 本章小结33-34
• 第3章 基于最优品质因子信号共振稀疏分解的滚动轴承故障诊断34-55
• 3.1 引言34-35
• 3.2 信号共振稀疏分解方法35-42
• 3.2.1 信号的共振属性35-38
• 3.2.1.1 品质因子35-36
• 3.2.1.2 信号共振属性的定义36-38
• 3.2.2 可调品质因子小波变换38-40
• 3.2.3 共振分量分离40-42
• 3.3 遗传算法42-43
• 3.3.1 遗传算法的基本理论42
• 3.3.2 遗传算法的实施步骤42-43
• 3.4 基于最优品质因子信号共振稀疏分解的滚动轴承故障诊断43-45
• 3.4.1 基于遗传算法的品质因子优化43-44
• 3.4.2 滚动轴承故障诊断原理44-45
• 3.5 算法仿真45-48
• 3.5.1 仿真信号分析45-48
• 3.5.2 抗噪性能分析48
• 3.6 滚动轴承故障诊断实例48-53
• 3.6.1 滚动轴承外圈故障50-51
• 3.6.2 滚动轴承内圈故障51-53
• 3.7 本章小结53-55
• 第4章 基于分步迭代优化信号共振稀疏分解的滚动轴承故障诊断55-67
• 4.1 引言55-56
• 4.2 分步迭代优化方法56-57
• 4.3 基于分步迭代优化信号共振稀疏分解的滚动轴承故障诊断57-58
• 4.3.1 基于分步迭代优化的品质因子优化57
• 4.3.2 滚动轴承故障诊断原理57-58
• 4.4 算法仿真58-61
• 4.4.1 仿真信号分析58-61
• 4.4.2 抗噪性能分析61
• 4.5 滚动轴承故障诊断实例61-65
• 4.5.1 滚动轴承外圈故障61-63
• 4.5.2 滚动轴承内圈故障63-65
• 4.6 优化时间对比分析65-66
• 4.7 本章小结66-67
• 第5章 基于最优分解参数信号共振稀疏分解的齿轮箱复合故障诊断67-81
• 5.1 引言67-68
• 5.2 基于最优分解参数信号共振稀疏分解的齿轮箱复合故障诊断68-71
• 5.2.1 基于遗传算法的分解参数优化68-70
• 5.2.1.1 目标函数68-69
• 5.2.1.2 分解参数优化过程69-70
• 5.2.2 齿轮箱复合故障诊断原理70-71
• 5.3 仿真分析71-74
• 5.4 齿轮箱复合故障诊断实例74-79
• 5.4.1 齿轮断齿和轴承外圈复合故障74-77
• 5.4.2 齿轮裂纹和轴承外圈复合故障77-79
• 5.5 本章小结79-81
• 结论与展望81-83
• 参考文献83-90
• 致谢90-91
• 附录 A 攻读学位期间发表和录用的论文目录91

【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 盖强,马孝江,张海勇,邹岩];一种消除局域波法中边界效应的新方法[J];大连理工大学学报;2002年01期

3 杨国安,许飞云,吴贞焕,高金吉;基于小波包和解调分析的多类故障综合诊断方法研究[J];东南大学学报(自然科学版);2004年01期

4 程军圣,于德介,杨宇;基于EMD的能量算子解调方法及其在机械故障诊断中的应用[J];机械工程学报;2004年08期

5 陈文英;褚福磊;阎绍泽;;基于自适应遗传算法分步优化设计智能桁架结构自抗扰振动控制器[J];机械工程学报;2010年07期

6 赵晓平;赵秀莉;侯荣涛;郑钰辉;杨文平;;一种新的旋转机械升降速阶段振动信号的瞬时频率估计算法[J];机械工程学报;2011年07期

7 刘波;王凌;金以慧;;差分进化算法研究进展[J];控制与决策;2007年07期

8 顾纪超;李光耀;干年妃;王国春;;分步优化方法在后车架轻量化中的应用[J];汽车工程;2011年07期

9 张帆,丁康;平方解调分析原理及在机械信号故障诊断中的应用[J];汕头大学学报(自然科学版);2002年01期

10 ;Automatic and high-precise extraction for water information from multispectral images with the step-by-step iterative transformation mechanism[J];遥感学报;2009年04期

  本文关键词：基于信号共振稀疏分解的齿轮箱故障诊断方法研究，由笔耕文化传播整理发布。

本文编号：290813