本文關(guān)鍵詞：基于LabVIEW的齒輪箱故障診斷系統(tǒng)研究

  更多相關(guān)文章： 齒輪箱故障診斷 Hilbert-Huang變換 端點效應 模態(tài)混疊 LabVIEW

【摘要】：隨著科學技術(shù)的日益發(fā)展,機械裝備呈現(xiàn)出大型化、復雜化、高效率的發(fā)展趨勢,使得設(shè)備故障造成的損失也隨之增多。齒輪箱作為旋轉(zhuǎn)機械設(shè)備中動力傳輸?shù)牟考?經(jīng)常出現(xiàn)各種類型故障,而齒輪箱一旦發(fā)生故障會對整個機械系統(tǒng)造成難以估量的后果,甚至對工作人員的人身安全造成威脅,因此,對齒輪箱運行狀態(tài)的有效診斷顯得尤為重要。本文以齒輪箱故障診斷為研究目的,圍繞希爾伯特-黃變換(Hilbert-Huang Transform,HHT)為核心的故障診斷方法,對算法中的問題提出相應改進措施,并利用LabVIEW完成一套齒輪箱故障診斷系統(tǒng)的設(shè)計。主要研究內(nèi)容如下：(1)分析了齒輪箱的故障類型及其故障振動的機理,給出了齒輪箱振動模型以及相關(guān)特征頻率的計算,為后續(xù)故障診斷提供理論基礎(chǔ)。(2)結(jié)合齒輪箱故障信號特點,分析了常用時頻分析方法的性質(zhì)及其局限性,確定HHT作為齒輪箱故障診斷的信號處理算法,并詳細介紹了HHT的基本原理、性質(zhì)以及存在問題。(3)針對HHT算法由于包絡(luò)線擬合算法不足導致端點效應問題,給出了基于鏡像端點延拓的端點效應抑制方法,并通過仿真驗證其改進算法的有效性。(4)針對HHT算法中由于高頻間斷信號干擾引起的模態(tài)混疊問題,給出了基于小波變換預處理的模態(tài)混疊抑制方法,該方法的核心是利用小波變換在經(jīng)驗模態(tài)分解(Empirical Mode Decomposition, EMD)之前進行高頻干擾信號的濾波,而傳統(tǒng)采用集合經(jīng)驗模態(tài)分解(Ensemble Empirical Mode Decomposition, EEMD)抑制模態(tài)混疊的方法的核心是在信號中加入輔助噪聲,算法執(zhí)行效率較低,相比之下,本文提出的改進方法具有更高的執(zhí)行效率,特別適合于實時性要求比較高的場合。(5)利用LabVIEW軟件設(shè)計了一套齒輪箱故障診斷系統(tǒng),以HHT為核心信號處理算法,將其應用在了所設(shè)計的故障診斷系統(tǒng)中,系統(tǒng)包括時域分析、頻率分析、小波變換、包絡(luò)譜分析、倒頻譜分析、HHT變換、Hilbert變換等功能,通過對齒輪箱故障進行診斷驗證,驗證結(jié)果證明了其有效性。
【關(guān)鍵詞】：齒輪箱故障診斷 Hilbert-Huang變換 端點效應 模態(tài)混疊 LabVIEW
【學位授予單位】：南京信息工程大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TH132.41
【目錄】：

• 摘要7-8
• Abstract8-10
• 第一章 緒論10-19
• 1.1 選題的背景與意義10-11
• 1.2 齒輪箱故障診斷技術(shù)的發(fā)展歷程11-12
• 1.3 常用的時頻分析方法12-17
• 1.3.1 短時傅里葉變換12-13
• 1.3.2 Winger-Ville分布13-14
• 1.3.3 Cohen類分布14-15
• 1.3.4 小波分析15-17
• 1.4 本文研究內(nèi)容及章節(jié)安排17-19
• 第二章 齒輪箱故障類型與振動機理分析19-28
• 2.1 引言19
• 2.2 齒輪箱故障的主要形式19-20
• 2.3 齒輪的故障類型及振動機理20-25
• 2.3.1 齒輪的故障類型20-22
• 2.3.2 齒輪的基本振動分析22-23
• 2.3.3 齒輪振動特征頻率的計算23
• 2.3.4 齒輪振動的信號模型23-25
• 2.4 滾動軸承的故障類型及振動機理25-27
• 2.4.1 滾動軸承的故障類型25
• 2.4.2 滾動軸承的基本振動分析25-27
• 2.5 本章小結(jié)27-28
• 第三章 Hilbert-Huang變換的原理28-43
• 3.1 引言28
• 3.2 Hilbert-Huang基本概念28-32
• 3.2.1 Hilbert變換及解析信號28-30
• 3.2.2 瞬時頻率30-32
• 3.2.3 本征模態(tài)函數(shù)32
• 3.3 EMD算法的基本原理及性質(zhì)32-38
• 3.3.1 EMD算法基本原理32-36
• 3.3.2 EMD算法的主要性質(zhì)36-38
• 3.4 Hilbert譜38-41
• 3.4.1 Hilbert-Huang變換38-39
• 3.4.2 Hilbert譜39-40
• 3.4.3 Hilbert邊際譜40-41
• 3.5 本章小結(jié)41-43
• 第四章 Hilbert-Huang變換算法研究與改進43-59
• 4.0 引言43
• 4.1 HHT變換存在的問題43-50
• 4.1.1 缺少理論基礎(chǔ)43
• 4.1.2 包絡(luò)線擬合43-45
• 4.1.3 本征模態(tài)函數(shù)篩分準則45-46
• 4.1.4 EMD方法分解停止準則46-47
• 4.1.5 端點效應47-48
• 4.1.6 模態(tài)混疊48-50
• 4.2 EMD算法的改進50-58
• 4.2.1 抑制端點效應的方法分析50-53
• 4.2.2 模態(tài)混疊抑制方法53-58
• 4.3 本章小結(jié)58-59
• 第五章 齒輪箱故障診斷實驗59-68
• 5.1 引言59
• 5.2 齒輪故障診斷實驗59-62
• 5.2.1 實驗裝置59-60
• 5.2.2 傳動齒輪基本參數(shù)60
• 5.2.3 滾動軸承特性頻率計算60-61
• 5.2.4 齒輪振動信號分析61-62
• 5.3 滾動軸承故障診斷實驗62-67
• 5.3.1 實驗數(shù)據(jù)來源62
• 5.3.2 滾動軸承振動信號分析62-63
• 5.3.3 滾動軸承特征頻率計算63
• 5.3.4 滾動軸承振動信號分析63-67
• 5.4 本章小結(jié)67-68
• 第六章 故障診斷系統(tǒng)的LabVIEW實現(xiàn)68-78
• 6.1 引言68
• 6.2 LabVIEW編程基礎(chǔ)68-69
• 6.2.1 LabVIEW應用程序構(gòu)成68-69
• 6.2.2 LabVIEW操作模板69
• 6.3 基于LabVIEW的信號處理方法實現(xiàn)69-72
• 6.3.1 常用信號分析方法的LabVIEW實現(xiàn)69
• 6.3.2 HHT算法的LabVIEW實現(xiàn)69-72
• 6.3.3 小波變換的實現(xiàn)72
• 6.4 齒輪箱故障診斷驗證72-77
• 6.4.1 齒輪故障診斷驗證72-73
• 6.4.2 滾動軸承故障診斷驗證73-77
• 6.5 本章小結(jié)77-78
• 第七章 總結(jié)與展望78-80
• 7.1 本文總結(jié)78-79
• 7.2 展望79-80
• 參考文獻80-83
• 致謝83-84
• 個人簡介84

，

本文編號：1018400