發(fā)布時間：2018-04-20 08:58

  本文選題：齒輪 + 自適應(yīng)白噪聲完備經(jīng)驗?zāi)B(tài)分解　； 參考：《振動與沖擊》2017年22期

【摘要】：針對齒輪振動信號非線性和非平穩(wěn)的特點,提出一種基于改進希爾伯特-黃變換與馬氏距離相結(jié)合的故障診斷方法。利用自適應(yīng)白噪聲的完備經(jīng)驗?zāi)B(tài)分解將齒輪振動信號分解成一系列固有模態(tài)函數(shù),并采用敏感固有模態(tài)函數(shù)判別算法判斷出對故障信息敏感的模態(tài)函數(shù);通過對敏感固有模態(tài)分量的局部希爾伯特瞬時能量譜的分析,得出信號能量隨時間變化的精確表達;以不同故障信號局部希爾伯特瞬時能量譜的最大峰值作為特征向量,采用馬氏距離對齒輪故障進行狀態(tài)識別。試驗結(jié)果表明,該方法可有效識提取齒輪故障特征,實現(xiàn)不同故障狀態(tài)識別。
[Abstract]:According to the nonlinear and non-stationary characteristics of gear vibration signal, a fault diagnosis method based on improved Hilbert-Huang transform and Markov distance is proposed. The gear vibration signal is decomposed into a series of inherent mode functions by the complete empirical mode decomposition of adaptive white noise, and the sensitive modal function is judged by the sensitive inherent modal function discrimination algorithm. Based on the analysis of the local Hilbert instantaneous energy spectrum of the sensitive intrinsic mode component, the accurate expression of the signal energy with time is obtained, and the maximum peak value of the local Hilbert instantaneous energy spectrum of different fault signals is taken as the eigenvector. The condition of gear fault is identified by Markov distance. The experimental results show that this method can effectively recognize and extract gear fault features and realize different fault state identification.
【作者單位】： 長春理工大學(xué)機電工程學(xué)院;長春工業(yè)大學(xué)機電工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(51075041) 吉林省教育廳科技發(fā)展項目(2014124)
【分類號】：TH132.41

【相似文獻】

相關(guān)期刊論文 前10條

1 茍永明;全國測試與故障診斷技術(shù)研討會召開[J];國防科技工業(yè);2004年06期

2 茍永明;測試與故障診斷技術(shù)研討會舉行[J];冶金自動化;2004年04期

3 ;北京盛迪振通科技有限公司舉辦狀態(tài)監(jiān)測與故障診斷培訓(xùn)班[J];中國設(shè)備工程;2004年08期

4 馬良荔;劉永葆;汪麗華;;基于庫所有色Petri網(wǎng)的故障診斷算法研究[J];計算機應(yīng)用研究;2012年03期

5 平靜;;機器設(shè)備的故障診斷[J];電工技術(shù);1989年12期

6 閆兵，譚達明;故障診斷中的灰色關(guān)聯(lián)度分析[J];振動.測試與診斷;1994年03期

7 張清華;邵龍秋;李紅芳;朱月君;;基于無量綱指標(biāo)的旋轉(zhuǎn)機械并發(fā)故障診斷技術(shù)[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2009年S1期

8 劉亞娟;王致杰;;旋轉(zhuǎn)機械系統(tǒng)故障診斷方法綜述[J];蘇州市職業(yè)大學(xué)學(xué)報;2010年02期

9 陳曉宗;;離心泵的故障診斷方法及故障評定[J];科技與企業(yè);2012年17期

10 張瑞林;機械設(shè)備的信息處理與故障診斷[J];機械工程;1985年05期

相關(guān)會議論文 前10條

1 段志善;東亞斌;;灰色故障診斷方法及其發(fā)展的思考[A];振動利用技術(shù)的若干研究與進展——第二屆全國“振動利用工程”學(xué)術(shù)會議論文集[C];2003年

2 張慶虎;高普云;;基于非線性動力學(xué)理論的故障診斷方法與進展[A];第18屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集第Ⅲ冊[C];2009年

3 趙劍偉;趙江;郭志新;;基于多傳感器信息融合的故障診斷方法[A];2007'儀表，，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

4 陳宏;鞏曉峗;王麗雅;雷文平;;全矢譜技術(shù)在旋轉(zhuǎn)機械不對中故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

5 婁國煥;周媛;;基于模糊理論的故障診斷方法研究[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

6 吳志洪;袁衛(wèi)東;姜靜;;油質(zhì)—故障診斷中的重要因素[A];中國機械工程學(xué)會摩擦學(xué)分會潤滑技術(shù)專業(yè)委員會第九屆（溫州）學(xué)術(shù)年會論文集[C];2004年

7 馬建杰;;狀態(tài)監(jiān)測、故障診斷技術(shù)應(yīng)用于檢修的實踐與總結(jié)[A];河北冶金學(xué)會2013年度空分專業(yè)學(xué)術(shù)交流會論文集[C];2013年

8 程宇;王武;崔福軍;楊富文;;基于模型的故障診斷方法研究綜述[A];第二十七屆中國控制會議論文集[C];2008年

9 應(yīng)懷樵;;對我國盡快建立“云智慧實驗室與云智慧故障診斷中心”的建議[A];現(xiàn)代振動與噪聲技術(shù)（第九卷）[C];2011年

10 姚曉燕;;狀態(tài)監(jiān)測及故障診斷技術(shù)在轉(zhuǎn)動設(shè)備應(yīng)用實例淺析[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2005年

相關(guān)重要報紙文章 前2條

1 武漢科技學(xué)院紡織服裝學(xué)院 林子務(wù);故障診斷中的數(shù)學(xué)概念[N];中國紡織報;2004年

2 錢宇 李秀喜;先進技術(shù)為化工安全保駕護航[N];中國化工報;2005年

相關(guān)博士學(xué)位論文 前10條

1 胡友強;數(shù)據(jù)驅(qū)動的多元統(tǒng)計故障診斷及應(yīng)用[D];重慶大學(xué);2010年

2 高保祿;大型復(fù)雜機電設(shè)備分布式故障診斷方法研究[D];太原理工大學(xué);2010年

3 曹玉蘋;基于狀態(tài)估計的石化過程故障診斷與預(yù)報方法研究[D];中國石油大學(xué);2010年

4 李盤靖;遠程協(xié)同故障診斷關(guān)鍵技術(shù)及其應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

5 侯俊劍;基于聲像模式識別的故障診斷機理研究[D];上海交通大學(xué);2011年

6 鄧學(xué)欣;開放式故障診斷構(gòu)架及動態(tài)測試分析方法研究[D];天津大學(xué);2004年

7 田玉玲;多層免疫模型及其在故障診斷中的應(yīng)用研究[D];太原理工大學(xué);2009年

8 韓光臣;復(fù)雜機電裝備故障診斷關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2006年

9 李敏;復(fù)雜機械基于數(shù)據(jù)的建模與故障診斷[D];太原理工大學(xué);2010年

10 雷亞國;混合智能技術(shù)及其在故障診斷中的應(yīng)用研究[D];西安交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 馬昂;基于改進LCD的WVD算法及其在故障診斷中應(yīng)用的試驗研究[D];燕山大學(xué);2015年

2 張帥;車載嵌入式智能故障診斷終端的研究與設(shè)計[D];昆明理工大學(xué);2015年

3 陳超;旋轉(zhuǎn)機械狀態(tài)趨勢預(yù)測及故障診斷專家系統(tǒng)關(guān)鍵技術(shù)研究[D];鄭州大學(xué);2015年

4 郭艷均;智能倒頻譜及其在故障診斷中的應(yīng)用研究[D];鄭州大學(xué);2015年

5 楚曉艷;基于HSMM的齒輪故障診斷方法研究[D];重慶交通大學(xué);2015年

6 付士鵬;基于LabVIEW的旋轉(zhuǎn)機械振動監(jiān)測與故障診斷的研究[D];華北電力大學(xué);2015年

7 韓杰;大型磨機故障診斷方法的研究[D];南京航空航天大學(xué);2015年

8 孫云;基于模型的梁和框架結(jié)構(gòu)故障定量診斷研究[D];東北大學(xué);2014年

9 張菲;基于LMD和HSMM的旋轉(zhuǎn)機械故障診斷方法研究[D];西南交通大學(xué);2016年

10 朱軍;滾動軸承非平穩(wěn)信號故障診斷若干方法研究[D];中國科學(xué)技術(shù)大學(xué);2016年

本文編號：1777119