数学形态学在齿轮故障诊断中的应用研究
本文关键词:数学形态学在齿轮故障诊断中的应用研究,由笔耕文化传播整理发布。
【摘要】:在机械设备中,齿轮是一种必不可少的常用部件,广泛应用于现代工业设备领域中,据显示,在机械设备故障中由于齿轮的失效而引起的故障占了很大比例,故对齿轮进行故障诊断意义重大。 对于齿轮故障诊断的核心和关键是齿轮故障特征信号的提取,从提取的特征信号中可以识别出齿轮故障的类型和损伤部位。本文在学习了齿轮故障的类型和特征的基础上,,针对齿轮故障振动信号的非线性非平稳性和多分量的调制特征,将数学形态学引入到齿轮故障特征提取中,并结合了集合经验模式分解(EEMD)和局部均值分解(LMD)方法,有效地提取出了齿轮的故障特征信息。本文的主要研究内容: 1、将数学形态学应用到齿轮故障特征提取中,并用仿真信号和齿轮模拟故障实验数据证明了该方法的有效性,采用形态平均滤波器实现信号的降噪,形态差值滤波器实现信号特征的提取。 2、在数学形态学的基础上,提出了基于EEMD形态学的齿轮故障特征提取算法。通过仿真信号和齿轮模拟故障实验信号证明了该方法是有效的。 3、针对EEMD分解速度慢的问题,本文将LMD引入到齿轮振动信号的降噪中,并与数学形态学相结合,提出了一种基于LMD形态学的齿轮故障特征提取算法。 4、比较三种方法在齿轮故障特征提取中的优劣,综合分析,结果表明:基于LMD形态学的特征提取算法更适合齿轮故障的特征提取。 本课题主要研究了一些基于形态学的故障特征提取算法,从计算效率和处理效果上对比分析,表明基于LMD形态学算法更适合应用于大型设备的实时在线监测系统中,但是该方法还有待应用到更多的实时信号,对其有效性和实用性进行验证,以期为设备实时在线监测提供一种稳定的、有效的方法。
【关键词】:齿轮故障诊断 数学形态学 故障特征提取 集合经验模式分解 局部均值分解
【学位授予单位】:武汉科技大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TH165.3;TH132.41
【目录】:
- 摘要4-5
- Abstract5-10
- 第1章 绪论10-18
- 1.1 课题研究的背景和意义10-11
- 1.2 齿轮故障诊断的研究现状11-12
- 1.3 基于振动信号的处理技术12-14
- 1.3.1 平稳信号分析方法12-13
- 1.3.2 非线性非平稳信号时频分析方法13-14
- 1.4 数学形态学的提出及其在机械故障诊断中的研究现状14-15
- 1.4.1 数学形态学的提出14
- 1.4.2 数学形态学在机械故障诊断中的研究现状14-15
- 1.5 本课题的主要研究内容15-17
- 1.6 结论17-18
- 第2章 齿轮的故障诊断18-33
- 2.1 引言18
- 2.2 齿轮故障的类型和成因18-20
- 2.2.1 齿轮故障的类型18-19
- 2.2.2 齿轮故障的成因19-20
- 2.3 齿轮的振动机理20-25
- 2.3.1 齿轮振动的来源20-21
- 2.3.2 齿轮振动的基本参数21-24
- 2.3.3 齿轮振动的简化模型24-25
- 2.4 齿轮振动信号的调制25-30
- 2.4.1 齿轮的啮合频率调制现象26-30
- 2.4.2 齿轮的固有频率调制现象30
- 2.5 齿轮典型故障的振动信号特征30-32
- 2.6 结论32-33
- 第3章 数学形态学分析方法33-49
- 3.1 引言33
- 3.2 数学形态学基本运算33-38
- 3.2.1 膨胀运算(Dilation)33-35
- 3.2.2 腐蚀运算(Erosion)35-36
- 3.2.3 开运算(Open)36-37
- 3.2.4 闭运算(Close)37-38
- 3.3 数学形态滤波器的基本理论38-39
- 3.4 数学形态学的结构元素39-40
- 3.4.1 结构元素形状的选取39-40
- 3.4.2 结构元素尺寸的确定40
- 3.5 数学形态学在仿真信号中的应用40-42
- 3.6 数学形态学在齿轮故障诊断中的应用42-48
- 3.6.1 齿轮故障模拟实验43-44
- 3.6.2 数学形态学在齿轮断齿故障特征提取中的应用44-46
- 3.6.3 数学形态学在齿轮磨损故障特征提取中的应用46-48
- 3.7 结论48-49
- 第4章 基于 EEMD 形态学的齿轮故障特征提取49-60
- 4.1 引言49
- 4.2 集合经验模式分解(EEMD)基本理论49-53
- 4.2.1 EEMD 在机械故障诊断中的应用49-50
- 4.2.2 EEMD 分解原理50-53
- 4.3 基于 EEMD 形态学的特征提取算法53
- 4.4 基于 EEMD 形态学在仿真信号中的应用53-55
- 4.5 基于 EEMD 形态学在齿轮故障诊断中的应用55-59
- 4.5.1 基于 EEMD 形态学在齿轮断齿故障中的特征提取55-57
- 4.5.2 基于 EEMD 形态学在齿轮磨损故障中的特征提取57-59
- 4.6 结论59-60
- 第5章 基于 LMD 形态学的齿轮故障特征提取60-69
- 5.1 引言60
- 5.2 局部均值分解(LMD)基本理论60-63
- 5.2.1 LMD 在机械故障诊断中的应用60-61
- 5.2.2 LMD 分解原理61-63
- 5.3 基于 LMD 形态学的特征提取算法63-64
- 5.4 基于 LMD 形态学在仿真信号中的应用64-65
- 5.5 基于 LMD 形态学在齿轮故障诊断中的应用65-68
- 5.5.1 基于 LMD 形态学在齿轮断齿故障中的特征提取65-67
- 5.5.2 基于 LMD 形态学在齿轮磨损故障中的特征提取67-68
- 5.6 结论68-69
- 第6章 三种基于形态学的齿轮故障诊断方法比较69-75
- 6.1 引言69
- 6.2 仿真信号的比较69-70
- 6.3 齿轮模拟故障实验的比较70-74
- 6.3.1 齿轮断齿模拟实验的比较71-72
- 6.3.2 齿轮磨损模拟实验的比较72-74
- 6.4 结论74-75
- 第7章 总结与展望75-77
- 7.1 总结75-76
- 7.2 展望76-77
- 致谢77-78
- 参考文献78-84
- 附录 1 攻读硕士学位期间发表的论文84-85
- 附录 2 攻读硕士学位期间参加的科研项目85-86
- 详细摘要86-90
【参考文献】
中国期刊全文数据库 前10条
1 章立军;徐金梧;阳建宏;杨德斌;;自适应多尺度形态学分析及其在轴承故障诊断中的应用[J];北京科技大学学报;2008年04期
2 赵继印;徐艳蕾;焦玉斌;;基于顺序形态学的图像边缘检测快速算法的研究[J];电子学报;2008年11期
3 许东;安锦文;;基于属性形态学分析的图像显著极值检测及应用[J];航空学报;2006年04期
4 赵昭;刘利林;张承学;李海涛;汪建敏;;形态学滤波器结构元素选取原则研究与分析[J];电力系统保护与控制;2009年14期
5 郝如江;卢文秀;褚福磊;;滚动轴承故障信号的多尺度形态学分析[J];机械工程学报;2008年11期
6 胡爱军;向玲;唐贵基;杜永祚;;基于数学形态变换的转子故障特征提取方法[J];机械工程学报;2011年23期
7 陈向民;于德介;罗洁思;;基于线调频小波路径追踪阶比循环平稳解调的齿轮故障诊断[J];机械工程学报;2012年03期
8 王国涛;涂群章;赵建勋;吴海;;油液检测技术在工程机械中的应用[J];建筑机械;2011年03期
9 王国彪;何正嘉;陈雪峰;赖一楠;;机械故障诊断基础研究“何去何从”[J];机械工程学报;2013年01期
10 曹宇光;张士华;李森;刘海超;;自升式平台齿轮齿条损伤温度检测方法[J];中国石油大学学报(自然科学版);2013年03期
中国博士学位论文全文数据库 前1条
1 沈路;数学形态学在机械故障诊断中的应用研究[D];浙江大学;2010年
本文关键词:数学形态学在齿轮故障诊断中的应用研究,由笔耕文化传播整理发布。
本文编号:317021
本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/317021.html