齿轮早期故障检测与诊断技术研究

发布时间：2017-08-28 11:33

  本文关键词：齿轮早期故障检测与诊断技术研究

  更多相关文章： 齿轮 早期故障诊断 小波阈值去噪 经验模式分解 特征提取 BP神经网络

【摘要】：作为齿轮箱中的关键零部件，齿轮因受恶劣工况等因素的影响而成为齿轮箱中失效故障率最高的零部件。齿轮早期故障诊断的研究对于保证设备的安全高效运行和避免重大事故发生有着非常重要的意义，受到了人们的广泛关注。 本文以处于早期故障阶段的齿轮为研究对象，采用理论分析与实验研究相结合的方式对齿轮早期故障诊断问题展开研究。在理论分析方面，通过建立齿轮传动系统的动力学模型，对齿轮早期故障的特点进行分析；针对齿轮早期故障特征微弱、噪声干扰复杂多变问题，本文提出了基于综合评价参数的小波最优阈值去噪方法，，从多种阈值情况中自适应地筛选出最优情况，达到最佳去噪效果；提出了基于分段三次Hermit插值的极值截断法与相关筛选法相结合的改进经验模式分解方法，改善原方法中端点效应、包络线过冲与欠冲、基本模式分量筛选困难等问题，达到有效提取齿轮早期故障特征的目的；提出以频谱能量分布为特征参量，建立BP网络对齿轮早期故障进行模式识别，实现对于齿轮故障模式的准确判别。在实验研究方面，本文以仿真实验分析和实测信号实验分析两种方式对所提出的去噪方法、特征提取方法、模式识别方法加以验证。 实验研究表明，本文提出的信号处理方法和模式识别方法能够精确地诊断出齿轮早期故障问题，对于保障机械设备平稳可靠运行有着非常重要的现实意义和实际应用价值。
【关键词】：齿轮 早期故障诊断 小波阈值去噪 经验模式分解 特征提取 BP神经网络
【学位授予单位】：河北科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH132.41;TH165.3
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-17
• 1.1 课题的研究背景及意义9-11
• 1.1.1 课题研究背景9-10
• 1.1.2 选题意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 振动检测法的应用11
• 1.2.2 小波变换分析方法的应用11-12
• 1.2.3 Hilbert-Huang 变换方法的应用12-13
• 1.2.4 其他信号分析方法的应用13-14
• 1.2.5 故障模式识别方法的应用14
• 1.3 论文研究内容14-17
• 第2章 齿轮早期故障特征分析17-25
• 2.1 引言17-18
• 2.2 齿轮故障阶段划分18-19
• 2.3 齿轮振动机理分析19-21
• 2.3.1 齿轮振动的参数19-20
• 2.3.2 齿轮振动的数学模型20-21
• 2.4 齿轮早期故障特征21-24
• 2.4.1 齿轮箱故障信号构成21-22
• 2.4.2 齿轮故障的频谱特征22-23
• 2.4.3 早期故障特征分析23-24
• 2.5 本章小结24-25
• 第3章 齿轮早期故障信号预处理25-37
• 3.1 引言25
• 3.2 小波变换去噪方法25-28
• 3.2.1 小波阈值去噪法原理26-27
• 3.2.2 阈值去噪情况的多样性27-28
• 3.3 小波最优阈值去噪法28-31
• 3.4 仿真实验分析31-32
• 3.5 实测实验分析32-36
• 3.5.1 实验系统介绍32-33
• 3.5.2 实测信号去噪处理33-36
• 3.6 本章小结36-37
• 第4章 齿轮早期故障特征提取37-53
• 4.1 引言37
• 4.2 经验模式分解方法37-41
• 4.2.1 基本模式分量限定条件37-38
• 4.2.2 EMD 算法原理38-40
• 4.2.3 EMD方法端点效应40-41
• 4.3 基于改进EMD方法的齿轮早期故障特征提取方法41-46
• 4.3.1 分段三次Hermit插值法应用41-43
• 4.3.2 极值截断处理与相关筛选法应用43-44
• 4.3.3 改进EMD方法原理44-46
• 4.4 仿真信号实验分析46-48
• 4.5 实测信号实验分析48-52
• 4.5.1 齿面磨损故障特征提取48-50
• 4.5.2 齿根裂纹故障特征提取50-52
• 4.6 本章小结52-53
• 第5章 齿轮早期故障模式识别53-63
• 5.1 引言53
• 5.2 BP神经网络原理53-57
• 5.2.1 BP网络的组成53-55
• 5.2.2 BP算法原理55-56
• 5.2.3 BP算法基本步骤56-57
• 5.3 基于BP神经网络的齿轮早期故障诊断57-62
• 5.3.1 故障特征参量选择58-61
• 5.3.2 BP网络模型的建立与分析61-62
• 5.4 本章小结62-63
• 结论63-65
• 参考文献65-69
• 攻读硕士学位期间所发表的论文69-71
• 致谢71

【参考文献】

中国期刊全文数据库 前8条

1 罗亮;李国璋;杨权;贾志杰;滕飞;;SOM-BP神经网络在机械故障诊断中的应用研究[J];车用发动机;2008年02期

2 吕蓬;;基于变精度粗糙集的齿轮故障诊断[J];华北电力大学学报(自然科学版);2010年06期

3 林丽;余轮;;基于相关系数的EMD改进算法[J];计算机与数字工程;2008年12期

4 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

5 李巍华;刘雯;;基于图论和直推式支持矢量机的齿轮早期故障诊断[J];机械工程学报;2010年23期

6 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

7 王丽丽,王超,蔡正敏;滚动轴承早期故障的小波诊断方法[J];应用力学学报;1999年02期

8 李树钰;;改进的小波阈值去噪方法及其在MATLAB中的仿真[J];噪声与振动控制;2010年02期

中国博士学位论文全文数据库 前1条

1 鞠萍华;旋转机械早期故障特征提取的时频分析方法研究[D];重庆大学;2010年

本文编号：747876