基于时延自相关与局部均值分解的齿轮故障诊断方法的研究

发布时间：2017-05-11 01:00

  本文关键词：基于时延自相关与局部均值分解的齿轮故障诊断方法的研究，，由笔耕文化传播整理发布。

【摘要】：齿轮在发生故障时,其故障信号是同时具有幅度调制与频率调制的多分量信号,通过对该调制信号进行解调可以有效地提取出齿轮的故障特征信息。而传统的解调方法只适用于单分量调制信号的解调,在处理多分量调制信号时,结果往往并不准确。同时齿轮故障信号中往往含有大量的噪声,严重影响着故障诊断的准确性。为此,本文针对如何从具有噪声干扰的齿轮故障信号中准确地提取出齿轮的故障特征信息,进行了以下研究： 首先,对多分量调幅调频信号的时延自相关函数进行了研究。结果表明,多分量的调幅调频信号经过时延白相关处理后,仍是多分量的调幅调频信号,并且各单分量中仍然蕴含着原信号的各调制信息；多分量调幅调频信号的频谱中各调制边频带的能量也会因时延自相关处理而明显地减小,使得能更加准确地从其频谱中识别出原信号中所蕴含的各载波频率。 其次,对经验模态分解以及局部均值分解等常用的信号分解方法进行了对比,并对其在多分量调幅调频信号的分解与提纯中的应用进行了研究。结果表明,局部均值分解方法较经验模态分解方法更加适用于多分量调幅调频信号的分解,其对多分量调幅调频信号的分解与提纯有着更加良好的效果；局部均值分解方法分解所得的PF分量较经验模态分解所得的IMF分量与Hilbert包络解调这类针对调制信号的解调方法有着更加良好的匹配性；局部均值分解的准确性容易受到噪声的影响,需要将局部均值分解方法与有效的降噪方法相结合才能得到良好的分解结果。 然后,将时延自相关处理与局部均值分解方法相结合,提出一种有效的齿轮故障诊断方法。该方法首先对齿轮故障信号进行时延自相关处理以减小噪声干扰,再通过局部均值分解对多分量进行分解,获得一系列的提纯PF分量,再通过对各提纯PF分量分别进行Hilbert包络解调以及FFT分析,最后通过幅值叠加的方式获得联合包络解调谱以及联合幅值谱,从中便可准确地提取出齿轮的故障特征信息。 最后,通过模拟实验对该方法进行了测试,并将其与Hilbert包络解调以及时延自相关解调等方法进行了对比。结果表明,该方法能有效地从具有噪声干扰的多分量的齿轮故障调幅调频信号中提取出齿轮故障特征信息,并且其诊断结果也更加准确。
【关键词】：调幅调频 解调 时延自相关 LMD PF分量
【学位授予单位】：华东理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 引言10
• 1.2 齿轮故障的基本形式10-11
• 1.3 齿轮故障诊断原理11-12
• 1.4 信号分析方法的研究现状12-15
• 1.4.1 解调分析方法12-13
• 1.4.2 降噪方法13
• 1.4.3 多分量分解方法13-15
• 1.5 本文研究的内容15-16
• 第2章 齿轮故障信号的时延自相关分析16-29
• 2.1 齿轮振动信号16-19
• 2.1.1 正常齿轮振动信号16
• 2.1.2 齿轮故障信号16-17
• 2.1.3 典型齿轮故障调幅调频信号及其频谱分析17-19
• 2.2 时延自相关降噪原理19-22
• 2.3 多分量调幅调频信号的时延自相关分析与测试22-28
• 2.3.1 多分量调幅调频信号的时延自相关分析22-24
• 2.3.2 多分量调幅调频信号的时延自相关处理测试24-28
• 2.4 本章小结28-29
• 第3章 多分量调幅调频信号的分解与提纯方法的研究29-38
• 3.1 多分量分解方法29-31
• 3.1.1 经验模态分解29-30
• 3.1.2 局部均值分解30-31
• 3.2 LMD方法和EMD方法的对比研究31-32
• 3.3 LMD与EMD在多分量调幅调频信号的分解与提纯中的应用研究32-37
• 3.4 本章小结37-38
• 第4章 齿轮故障特征提取方法的研究38-46
• 4.1 Hilbert包络解调38-42
• 4.2 齿轮故障特征信息的提取研究42-43
• 4.3 齿轮故障诊断方法43-45
• 4.4 本章小结45-46
• 第5章 故障诊断方法的数据模拟测试46-57
• 5.1 测试信号46
• 5.2 时延自相关处理46
• 5.3 LMD方法的分解与提纯46-51
• 5.4 联合包络解调谱分析51-53
• 5.5 联合幅值谱分析53-55
• 5.6 本章小结55-57
• 第6章 总结与展望57-59
• 6.1 总结57-58
• 6.2 展望58-59
• 参考文献59-63
• 致谢63

【参考文献】

中国期刊全文数据库 前10条

1 马波,魏强,徐春林,江志农;基于Hilbert变换的包络分析及其在滚动轴承故障诊断中的应用[J];北京化工大学学报(自然科学版);2004年06期

2 高云超;桑恩方;许继友;;分离EMD中混叠模态的新方法[J];哈尔滨工程大学学报;2008年09期

3 孟涛,廖明夫,李辉;齿轮故障诊断的时延相关解调法[J];航空动力学报;2003年01期

4 杨宇;杨丽湘;程军圣;;基于LMD和AR模型的转子系统故障诊断方法[J];湖南大学学报(自然科学版);2010年09期

5 林丽;周霆;余轮;;EMD算法中边界效应处理技术[J];计算机工程;2009年23期

6 包家汉,张玉华,胡晓丽;基于啮合过程的齿根应力仿真分析[J];机械传动;2005年01期

7 程军圣;张亢;杨宇;;基于噪声辅助分析的总体局部均值分解方法[J];机械工程学报;2011年03期

8 代拓;花云浩;王林;;基于Hilbert变换的滚动轴承故障诊断[J];煤矿机械;2012年02期

9 朱瑜;王海洋;;基于小波去噪和EMD的齿轮箱故障诊断研究[J];煤矿机械;2012年04期

10 杨小强,岳美琴;减速箱齿轮磨损故障诊断[J];设备管理&维修;2000年08期

  本文关键词：基于时延自相关与局部均值分解的齿轮故障诊断方法的研究，由笔耕文化传播整理发布。

本文编号：355843