基于多小波变换的矿用齿轮箱故障诊断研究

发布时间：2017-12-08 05:12

  本文关键词：基于多小波变换的矿用齿轮箱故障诊断研究

  更多相关文章： 多小波 矿用齿轮箱 故障诊断 特征提取 最大相关峭度解卷积 约束独立成分分析 谱峭度

【摘要】：煤炭是我国第一能源产业,也是我国最为重要的基础产业之一。煤矿生产安全一直是制约该行业稳步发展的主要因素,控制与预防煤矿发生重特大事故,促进煤矿稳定、安全生产已成为国家和本地区政府重点关注的问题之一,也是全国工业安全工作的重要关键内容。煤矿大型机械(如提升机、皮带输送机、采煤机)的动力传动齿轮箱工作环境恶劣,发生故障几率很大,其运行状态直接影响到这些大型机械设备运行的可靠性和安全性,故障一旦发生,必将会给煤炭企业带来巨大的经济损失,甚至是人身伤害。因此,对煤矿大型机械设备传动齿轮箱进行状态监测与故障诊断是十分必要的,将先进的机械故障诊断方法应用于矿用齿轮箱的故障诊断中,对于保证煤矿安全生产,避免安全事故具有重要的意义。小波变换已经成为一种应用非常广泛的非平稳信号处理工具,在旋转机械故障特征频率的分离、微弱信号的提取和早期故障诊断等方面都得到了广泛的应用。但是在机械故障诊断中,小波基函数难以与所提取故障特征很好的匹配,因为小波基函数不能随着被分析信号特点相应改变自身的特性,它的基函数是确定的。第二代小波可在时域内按需构造小波基函数,通过改变预测器和更新器系数,构造出与故障特征相匹配的小波基函数,弥补了经典小波的不足。但是无论是经典小波还是第二代小波都是单小波(Scalar Wavelet),无法同时满足信号处理中的正交性、对称性、紧支性及高阶消失矩等优良特性,而且由于单小波只具有一个小波基函数,难以识别多类型不同的故障特征,只能与分析信号中隐含的某一类故障特征相匹配,这是经典小波和第二代小波理论在故障诊断领域应用中所面临的突出问题。因此为了解决上述问题,国内外学者将目光转移到多小波研究上。故障特征提取技术是机械设备状态检测和故障诊断学中的关键,用先进的故障诊断理论和方法丰富和提高机械故障诊断技术是机械故障诊断学的重要内容。本文以解决煤矿大型机械设备的故障诊断为工程应用需求,用现代信号处理技术中的多小波理论为工具,以煤矿大型机械设备中的齿轮箱为研究对象,开展故障诊断技术研究。齿轮箱工况振动信号复杂,如何有效地从齿轮箱振动信号中提取出隐含的故障特征信息,这对于齿轮箱状态监测与故障诊断是非常重要的,也是关键所在。本文深入研究了基于多小波变换的齿轮箱故障特征提取新方法,并将其成功应用于试验台齿轮箱和矿用齿轮箱的故障特征提取与故障诊断。主要研究内容有:(1)阐述了论文的研究背景和研究意义介绍了机械故障诊断技术的研究背景,以及开展故障诊断的重要意义,对国内外的齿轮箱故障诊断技术及多小波理论进行了详细阐述,引出了本文要研究的主要问题,多小波变换在煤矿大型机械设备齿轮箱中的故障诊断,确立了本文的研究路线和主要研究内容。(2)平移不变多小波相邻系数降噪方法在煤矿提升机齿轮箱故障诊断中的应用研究阐述了传统多小波阈值降噪方法的基本原理,研究了平移不变多小波相邻系数降噪方法,利用仿真信号,试验台齿轮箱振动信号降噪实验分析,对比了单小波,多小波,以及平移不变多小波的硬阈值、软阈值、相邻系数降噪方法的降噪效果,通过降噪后的信号与原信号的相关系数对比,得出平移不变多小波相邻系数降噪方法降噪效果最好。最后将平移不变多小波相邻系数降噪方法应用到煤矿提升机齿轮箱的故障诊断,对齿轮箱振动信号有效降噪,准确地提取出齿轮箱的冲击故障特征,判断出齿轮箱的故障位置,为煤矿大型机械设备齿轮箱振动信号降噪提供了一种有效方法。(3)基于多小波变换与最大相关峭度解卷积的煤矿采煤机传动系统齿轮箱故障诊断研究了多小波分解的频带特性,在故障分析时的频带选用准则为峭度准则和相关系数准则,以及最大相关峭度解卷积的基本理论,提出了多小波分解与最大相关峭度解卷积相结合的故障诊断方法。对该方法进行了试验台齿轮箱断齿故障和局部断齿故障的实验分析,对齿轮箱振动信号进行多小波分解,选用峭度和相关系数较大的频带,进行最大相关峭度解卷积降噪分析,使微弱的冲击故障特征得到加强,再将最大相关峭度解卷积降噪后的信号进行包络谱分析,成功提取出了齿轮箱的故障特征频率。最后,将该方法应用到煤矿采煤机传动系统齿轮箱的故障诊断中,发挥两种方法各自的优势,有效地提取出故障特征信息,实现了齿轮箱的准确诊断。(4)基于多小波变换与约束独立成分分析的煤矿皮带机齿轮箱故障诊断介绍了独立成分分析算法以及约束独立成分分析算法,并分析了其优缺点,研究了多通道测量信号中含源噪声的ica模型,结合多小波变换的优点,提出了基于多小波变换与约束独立成分分析的齿轮箱故障特征提取方法。通过试验台齿轮箱故障特征提取试验,根据峭度准则,从齿轮箱振动信号多小波分解后的多通道分量中选取峭度值较大的分量重新组成混合信号,以齿轮箱啮合频率作为先验信息建立参考信号,利用约束独立成分分析算法成功地提取出齿轮箱故障特征频率。最后将提出的方法应用到煤矿皮带机齿轮箱的故障诊断中,判断出齿轮箱的故障,为齿轮箱故障特征提取提供了一种新方法。实验分析和煤矿工程应用结果验证了所提出方法的有效性。(5)冗余多小波包谱峭度方法在矿用齿轮箱故障诊断中的应用研究研究了传统谱峭度方法的基本原理、谱峭度的快速算法—峭度图。阐述了多小波包的分解算法,以及冗余多小波的算法,应用冗余多小波包分解替代传统谱峭度算法中的滤波器,提出了冗余多小波包的谱峭度方法。以试验及煤矿齿轮箱故障诊断的实例对该方法进行了验证,对齿轮箱振动信号进行冗余多小波包的谱峭度算法分解,得到最优的滤波频带信号,再进行解调分析,成功提取出齿轮箱的故障特征频率。与传统谱峭度方法分析结果进行对比,冗余多小波包谱峭度方法能准确地选择最优滤波频带,避免受噪声干扰,故障特征提取效果要优于传统谱峭度方法。试验分析和煤矿皮带机齿轮箱的工程应用证明提出的冗余多小波包谱峭度方法是一种有效的故障特征提取方法。
【学位授予单位】：中国矿业大学(北京)
【学位级别】：博士
【学位授予年份】：2017
【分类号】：TD407

【参考文献】

中国期刊全文数据库 前10条

1 周涛涛;朱显明;彭伟才;刘彦;;基于CEEMD和排列熵的故障数据小波阈值降噪方法[J];振动与冲击;2015年23期

2 郭远晶;魏燕定;周晓军;;基于STFT时频谱系数收缩的信号降噪方法[J];振动.测试与诊断;2015年06期

3 刘洋;曹云东;侯春光;;基于经验模态分解及维格纳威尔分布的电缆双端故障定位算法[J];中国电机工程学报;2015年16期

4 胥永刚;赵国亮;马朝永;杨红玉;;双树复小波和局部投影算法在齿轮故障诊断中的应用[J];振动工程学报;2015年04期

5 唐贵基;王晓龙;;最大相关峭度解卷积结合稀疏编码收缩的齿轮微弱故障特征提取[J];振动工程学报;2015年03期

6 廖强;李迅波;陈勇强;;自适应冗余提升多小波包在滚动轴承复合故障诊断中的应用[J];机械设计与制造;2015年06期

7 唐贵基;王晓龙;;基于包络谱稀疏度和最大相关峭度解卷积的滚动轴承早期故障诊断方法[J];中国机械工程;2015年11期

8 钟先友;赵春华;陈保家;田红亮;;基于MCKD和重分配小波尺度谱的旋转机械复合故障诊断研究[J];振动与冲击;2015年07期

9 周颖涛;周绍骑;姚远航;;减少模态混叠的改进EEMD算法[J];重庆理工大学学报(自然科学);2015年01期

10 GAO Huizhong;LIANG Lin;CHEN Xiaoguang;XU Guanghua;;Feature Extraction and Recognition for Rolling Element Bearing Fault Utilizing Short-Time Fourier Transform and Non-negative Matrix Factorization[J];Chinese Journal of Mechanical Engineering;2015年01期

，

本文编号：1265153