基于小波包特征提取和流向图故障决策的齿轮故障诊断

发布时间：2017-09-18 17:07

  本文关键词：基于小波包特征提取和流向图故障决策的齿轮故障诊断

  更多相关文章： 齿轮 小波包 流向图 故障诊断

【摘要】：齿轮作为生产传动的重要部件，广泛应用于生产和生活的各个领域，其稳定可靠的工作具有重要社会意义。但是齿轮的故障失效是不可避免的，为了减少由于齿轮失效导致的生产损失，需要对齿轮进行实时的监测，检测齿轮故障，在齿轮失效之前替换故障齿轮避免严重的生产损失。 对于齿轮的故障检测有多种多样的方法，本文提出了基于小波包特征提取和流向图故障决策的齿轮故障诊断方法，进行齿轮的故障检测与诊断。 本文首先分析了齿轮故障时振动信号的变化形式，同时将实验提取的振动信号与理论分析相对比，验证理论分析的准确性；运用时域和频域特征指标来表征这些齿轮振动信号特征。 通过理论分析得出齿轮的振动信号特征之后，运用小波包进行故障特征的提取。本文引入了一种新的小波消噪方法，消除了小波消噪中分解层次和消噪阈值选择困难的问题，同时分析了一种新的小波包变换方法，消除了频率混淆和频带错乱问题，减少了故障特征提取中的误差。 本文研究了一种故障流向图表示方法，，运用故障流向图分析提取的征兆属性对于齿轮故障诊断的重要性，以及这些征兆属性与最终故障诊断的关系。运用故障流向图对提取的征兆属性进行层次和节点的约简，消除征兆属性中的冗余信息，减少计算复杂度。通过约简之后的信息生成决策规则，来达到故障诊断的目的。同时分析说明故障流向图的增量学习算法，提高了故障流向图的适应性。 最后，本文结合故障仿真实验平台，仿真齿轮在不同故障不同工况下的振动信号。结合前四章的理论分析，对信号进行小波包分析提取征兆属性，运用故障流向图进行征兆属性的约简并提取决策规则，获得了对于不同工况下齿轮故障的决策规则。结果证明这种方法能够准确可靠的检测齿轮故障。
【关键词】：齿轮 小波包 流向图 故障诊断
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3;TH132.41
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-15
• 1.1 课题来源及研究目的8-9
• 1.2 国内外研究现状9-13
• 1.2.1 齿轮系统故障诊断的发展历史及研究现状9-10
• 1.2.2 小波分析技术研究现状10-11
• 1.2.3 故障知识表示技术研究现状11-12
• 1.2.4 流向图的研究现状12-13
• 1.3 课题主要研究内容13-15
• 第2章 齿轮故障特征和振动信号分析15-27
• 2.1 齿轮故障的研究对象和实验方法分析15-18
• 2.1.1 齿轮故障的研究对象15-16
• 2.1.2 实验方法分析16-18
• 2.2 齿轮的啮合振动分析18-21
• 2.2.1 齿轮啮合的力学分析18
• 2.2.2 齿轮啮合信号的幅值调制18-20
• 2.2.3 齿轮啮合信号的频率调制20-21
• 2.2.4 齿轮啮合振动信号中的其它成分21
• 2.3 齿轮故障信号特征21-24
• 2.3.1 齿轮断齿故障信号特征21-22
• 2.3.2 齿轮碎齿故障信号特征22-23
• 2.3.3 齿轮均匀磨损故障信号特征23-24
• 2.4 齿轮的故障特征24-26
• 2.4.1 齿轮故障特征的时域指标24-25
• 2.4.2 齿轮故障特征的频域指标25-26
• 2.4.3 齿轮故障特征的时频域指标26
• 2.5 本章小结26-27
• 第3章 基于小波包分析的故障特征提取27-39
• 3.1 小波包的基本概念及时频分析特性27-32
• 3.1.1 小波包的基本概念及快速算法27-28
• 3.1.2 小波包的时频特性和频率混淆28-30
• 3.1.3 小波包快速算法的改进30-32
• 3.2 基于小波变换的噪声消除32-37
• 3.2.1 小波噪声消除的原理32-33
• 3.2.2 小波消噪阈值选取及处理33-35
• 3.2.3 小波变换分解层数的确定35-36
• 3.2.4 小波消噪算法仿真实验36-37
• 3.3 基于小波包的故障故障特征提取37-38
• 3.4 本章小结38-39
• 第4章 基于故障诊断流向图的知识获取技术39-54
• 4.1 故障诊断流向图理论研究39-43
• 4.1.1 流向图的概述39
• 4.1.2 故障诊断流向图的基本概念39-43
• 4.2 故障诊断流向图的约简43-48
• 4.2.1 故障诊断流向图征兆属性层的约简43-46
• 4.2.2 故障诊断流向图征兆属性值节点的约简46-48
• 4.3 故障诊断流向图决策规则的获取48-53
• 4.3.1 故障诊断流向图决策规则的表示48-49
• 4.3.2 基于增量学习算法的故障诊断流向图决策规则获取49-53
• 4.4 本章小结53-54
• 第5章 齿轮故障诊断的实验研究54-66
• 5.1 齿轮故障诊断实验设计54-55
• 5.2 齿轮振动信号的特征提取55-59
• 5.2.1 齿轮振动信号形式55-56
• 5.2.2 齿轮振动信号的小波包分解56-58
• 5.2.3 征兆属性值的离散化58-59
• 5.3 运用故障流向图表征齿轮故障59-65
• 5.3.1 齿轮故障流向图征兆属性的约简59-61
• 5.3.2 齿轮故障决策规则流向图的获取61-63
• 5.3.3 齿轮故障流向图的增量学习方法63-65
• 5.4 本章小结65-66
• 结论66-67
• 参考文献67-70
• 攻读硕士学位期间发表的论文及其它成果70-72
• 致谢72

【相似文献】

中国期刊全文数据库 前10条

1 蒋宇;李力;李志雄;汤双清;;一种时序-BP网络在飞轮系统齿轮故障诊断中的应用研究[J];机床与液压;2009年03期

2 杜设亮,傅建中,陈子辰,麦云飞;基于BP神经网络的齿轮故障诊断系统研究[J];机电工程;1999年05期

3 高珍,马金山,熊晓燕;齿轮故障诊断的小波分析方法[J];机械管理开发;2005年02期

4 罗健华,陈春良;ZOOK(细化)谱分析技术在8098单片机齿轮故障诊断系统中的应用[J];测试技术学报;1996年03期

5 左长青;韩捷;陈宏;巩晓斌;张文军;;矢Wigner高阶谱在齿轮故障诊断中的研究[J];机械设计与制造;2011年10期

6 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

7 张静,孔凡让,张平,张盛,李晓峰;基于谐波小波重构相位谱的齿轮故障诊断[J];振动与冲击;2004年04期

8 毛明明;柳益君;汤嘉立;;基于L-M神经网络的齿轮故障诊断[J];计算机技术与发展;2011年01期

9 于德介,程军圣,成琼;基于复小波变换相位谱的齿轮故障诊断[J];振动、测试与诊断;2004年04期

10 邹建华;;用于齿轮故障诊断的复小波变换相位功率谱方法[J];科技情报开发与经济;2008年08期

中国重要会议论文全文数据库 前10条

1 刘锋;马怀祥;葛宝珊;;基于经验模态分解和包络分析的齿轮故障诊断[A];现代振动与噪声技术（第九卷）[C];2011年

2 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[A];第十届全国振动理论及应用学术会议论文集（2011）上册[C];2011年

3 张立国;张生;谷建平;康科;;小波包分析在齿轮故障诊断中的应用[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

4 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钱小聪;郑宝玉;穆明鑫;;神经网络联机手写签名验证[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

6 张羽;汪源源;王威琪;余建国;林继耕;;狭窄血管多普勒信号特征提取的实验研究[A];21世纪医学工程学术研讨会论文摘要汇编[C];2001年

7 柳林霞;陈杰;窦丽华;;不变矩理论及其在目标识别中的应用[A];2002中国控制与决策学术年会论文集[C];2002年

8 范海宁;郭英;吴剑锋;陈志武;;基于小波包分解的声信号特征提取方法[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年

9 杨日杰;施建礼;林洪文;;一种雷达视频回波特征提取方法研究[A];中国航空学会信号与信息处理专业全国第八届学术会议论文集[C];2004年

10 代克杰;张红梅;盛赛斌;;基于BP网络的故障特征提取方法研究[A];2004中国控制与决策学术年会论文集[C];2004年

中国重要报纸全文数据库 前10条

1 本报记者　 方海;解析温州民资新流向图[N];浙江日报;2006年

2 李新民 王莉;中国石油利润“流向图”浮出水面[N];经济参考报;2007年

3 燕海霞；王忆勤；李福凤;脉象信号研究日渐深入[N];中国医药报;2005年

4 沈占锋;遥感影像信息提取与分析[N];计算机世界;2006年

5 王竣;深入开发CAD系统对疾病诊断有重要意义[N];中国医药报;2007年

6 重庆 李志国;基于Linux的校园MIS实践[N];电脑报;2001年

7 北京数码空间信息技术有限公司技术总监 刘斌;Web Mining：第二代网络信息处理技术[N];计算机世界;2000年

8 孙哲南　谭铁牛;生物识别的十大关键技术[N];计算机世界;2007年

9 上海 高博;让电脑“听懂”人话[N];电脑报;2008年

10 本报记者 刘洪宇;当机器听懂了我们的声音[N];辽宁日报;2008年

中国博士学位论文全文数据库 前10条

1 罗洁思;基于多尺度线调频小波路径追踪的机械故障诊断方法研究[D];湖南大学;2011年

2 冯伟;基于摩擦学与动力学的齿轮系统故障诊断相关性研究[D];华南理工大学;2010年

3 孙真真;基于光学区雷达目标二维像的目标散射特征提取的理论及方法研究[D];中国人民解放军国防科学技术大学;2001年

4 武子玉;矿物近红外光谱信息提取及应用研究[D];吉林大学;2005年

5 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年

6 张旗;基于属性的图像分类研究[D];大连海事大学;2005年

7 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年

8 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年

9 陈晓娟;模拟电路神经网络故障诊断方法的研究[D];吉林大学;2006年

10 苏彩红;墙地砖质量自动检测技术的研究[D];华南理工大学;2004年

中国硕士学位论文全文数据库 前10条

1 牛培路;基于小波包特征提取和流向图故障决策的齿轮故障诊断[D];哈尔滨工业大学;2013年

2 李海龙;基于局部特征尺度分解的齿轮故障诊断方法研究[D];湖南大学;2012年

3 杨怡;基于局部均值分解的齿轮故障诊断方法[D];湖南大学;2012年

4 王彬彬;小波分析在微动齿轮故障诊断的应用与研究[D];南昌大学;2010年

5 高建新;改进经验模态分解及其在齿轮故障诊断中的应用研究[D];太原理工大学;2011年

6 陈龙;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[D];华东理工大学;2013年

7 华伟;低速重载齿轮振动故障诊断研究[D];河南理工大学;2007年

8 薛金亮;基于振动噪声信息融合的齿轮箱齿轮故障诊断研究[D];青岛理工大学;2012年

9 许光;故障齿轮的振动分析和故障诊断[D];燕山大学;2012年

10 左长青;基于全矢谱的齿轮系统故障诊断方法研究[D];郑州大学;2011年

本文编号：876765