齿轮故障信号实时压缩算法研究

发布时间：2017-04-15 21:08

  本文关键词：齿轮故障信号实时压缩算法研究，，由笔耕文化传播整理发布。

【摘要】：为提高机械传动设备运转的可靠性，其在线监测及故障诊断系统得到了广泛的研究与应用。此系统的功能实现一般通过四个步骤完成，包括采集设备监测信号、提取监测信号特征、信号状态判别以及设备故障预测。设备信号的采集一般通过无线传感节点完成，随着在线监测系统研究的不断进步和无线传感技术的快速发展，实时监测数据量随之增大，这对数据的存储、传输造成了很大压力，极大可能的增大了网络发生阻塞的概率且影响无线传感节点的寿命。因此，本文对实时监测信号的数据压缩进行了深入研究。 机械传动设备运转产生旋转振动信号，当前对旋转振动信号这类过程数据的压缩处理研究还处于初始阶段，业内对此类数据压缩也未形成具备通用性的标准算法。本课题以齿轮故障信号作为典型研究目标，创新性地通过采集信号的特征量将预测算法ARMA与SDT压缩算法结合，提出了有效的ARMA-SDT压缩算法，使得在保证压缩率的前提下，分段压缩误差不太偏离设定值而保持平稳。 本文在简要介绍了对旋转振动信号压缩的研究现状后，着重分析了分段线性压缩算法，并详细阐述了SDT压缩算法的基本原理、特点、优势及缺陷。为解决SDT算法压缩门限不可调的不足，引入ARMA预测算法。文中对ARMA模型的识别、定阶、参数估计、模型检验及预测给予了详细研究，并对参数估计的RELS算法进行了Matlab仿真。为了将ARMA同SDT相结合，本文在对齿轮振动机理详细介绍后成功地对其故障信号进行Matlab仿真模拟，通过故障仿真信号重点研究了信号特征量与压缩误差、压缩门限之间的关系，并得到了其经验公式。ARMA-SDT算法就是通过ARMA模型对采集信号的特征量进行预测，再根据特征量与压缩特性之间的经验公式对SDT的压缩门限进行实时调整。最后本文通过基于Zigbee的无线传感平台获取了不同程度的齿轮剥落故障信号，并通过Matlab仿真说明了ARMA-SDT算法能够有效解决SDT算法门限不可调的不足，保证了分段数据压缩误差不太偏离设定值而保持平稳，同时为使ARMA-SDT算法满足实时处理的要求，本文提出来其工程解决方案。
【关键词】：齿轮故障 信号特征 SDT压缩算法 ARMA预测算法
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH132.41;TH165.3
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 1 绪论9-17
• 1.1 研究背景与意义9-11
• 1.2 国内外研究状况11-13
• 1.3 研究内容与贡献13-14
• 1.4 本文的组织结构14-17
• 2 分段线性压缩算法分析与比较17-25
• 2.1 矩形波串法及向后斜率法17-18
• 2.2 SDT 压缩算法18-21
• 2.2.1 三角形算法18-19
• 2.2.2 平行四边形算法19-20
• 2.2.3 两种 SDT 算法比较20-21
• 2.3 PLOT 压缩算法21-22
• 2.4 压缩算法比较与压缩性能指标22-23
• 2.5 本章小结23-25
• 3 ARMA 预测算法研究25-45
• 3.1 离散型随机变量数字特征25
• 3.2 平稳时间序列25-26
• 3.2.1 平稳时间序列定义25
• 3.2.2 平稳时间序列性质25-26
• 3.3 ARMA 模型概述26-29
• 3.3.1 自回归模型27-28
• 3.3.2 移动平均模型28
• 3.3.3 自回归移动平均模型28-29
• 3.4 时间序列预处理29-30
• 3.5 ARMA 模型识别与建立30-37
• 3.5.1 偏自相关系数30-31
• 3.5.2 AR 模型识别31-32
• 3.5.3 MA 模型识别32-34
• 3.5.4 ARMA 模型识别34-35
• 3.5.5 模型定阶35-37
• 3.6 ARMA 参数估计37-41
• 3.6.1 矩估计37-38
• 3.6.2 最小二乘(LS)估计38-39
• 3.6.3 递推最小二乘（RLS）法39-40
• 3.6.4 递推增广最小二乘（RELS）40-41
• 3.7 模型检验41-42
• 3.8 模型预测42-43
• 3.9 本章小结43-45
• 4 ARMA-SDT 压缩算法的设计与仿真实现45-69
• 4.1 齿轮故障仿真信号构造45-48
• 4.1.1 齿轮的故障类型45
• 4.1.2 齿轮的振动机理45
• 4.1.3 齿轮故障的特征信息45-48
• 4.1.4 齿轮监测振动信号特征值48
• 4.2 齿轮故障仿真信号的生成48-52
• 4.3 经验公式的提取52-55
• 4.3.1 压缩特性定量关系分析52-53
• 4.3.2 压缩特性与信号特征量定量关系分析53-55
• 4.3.3 压缩经验公式55
• 4.4 特征值序列的建立55-56
• 4.5 ARMA-SDT 算法流程描述56-57
• 4.6 ARMA-SDT 算法实现与性能分析57-66
• 4.6.1 ARMA-SDT 算法的实验及应用平台57-59
• 4.6.2 ARMA 算法实现59-63
• 4.6.3 ARMA-SDT 算法实现与性能比较63-66
• 4.7 ARMA-SDT 算法工程解决方案66-67
• 4.8 本章小结67-69
• 5 总结与展望69-71
• 5.1 总结69-70
• 5.2 后续研究工作的展望70-71
• 致谢71-73
• 参考文献73-77
• 附录77
• A. 作者在攻读学位期间发表的论文目录77
• B. 作者在攻读学位期间申请的专利目录77
• C. 作者在攻读学位期间取得的科研成果目录77

【参考文献】

中国期刊全文数据库 前10条

1 居浩;欧家福;邵毅敏;;ARMA预测算法在汽车驱动桥齿轮故障诊断上的应用[J];重庆理工大学学报(自然科学);2012年02期

2 吴长奇,于玉海,萧丽萍;结合矢量量化与远间隔预测的振动遥测信号压缩方法[J];传感技术学报;2002年02期

3 刘晓明;吴德松;王潇瀛;;基于Cortex-M3的齿轮传动轴损伤动态监测系统的设计与实现[J];电子技术应用;2011年06期

4 沈德明,高N

本文编号：309245