本文選題：形態(tài)分量分析 + 變工況�。� 參考：《機(jī)械傳動(dòng)》2017年11期

【摘要】：齒輪箱變工況運(yùn)行時(shí)表現(xiàn)為轉(zhuǎn)速和負(fù)載的變化,其振動(dòng)信號是非線性的多分量信號,變工況齒輪箱故障診斷是研究難點(diǎn)。首先使用數(shù)字微分的階次跟蹤方法對原始振動(dòng)信號按計(jì)算得到等角度重采樣時(shí)刻插值,將非平穩(wěn)的振動(dòng)信號轉(zhuǎn)化為角域平穩(wěn)信號;然后使用形態(tài)分量分析(MCA)方法從角域信號中分離出沖擊、簡諧分量與噪聲成分,提取齒輪箱非線性、多分量信號中的故障特征;再對沖擊分量做角域平均突出故障特征,最后進(jìn)行瞬時(shí)功率譜分析識別齒輪是否有故障。實(shí)驗(yàn)分析表明,使用此方法能根據(jù)瞬時(shí)功率譜分布的階次和角度范圍識別故障,適用于變工況下的故障齒輪檢測。
[Abstract]:The vibration signal of the gear box is a nonlinear multi-component signal, and the fault diagnosis of the gear box under different working conditions is a difficult problem. Firstly, the order tracking method of digital differential is used to interpolate the original vibration signal with equal angle resampling time according to the calculation, and the non-stationary vibration signal is transformed into the stationary signal in angular domain. Then the method of morphological component analysis (MCA) is used to separate the shock, harmonic component and noise component from the angular domain signal to extract the fault features of the nonlinear and multi-component signals of the gearbox, and then to make the angular mean prominent fault feature of the impact component. At last, the instantaneous power spectrum analysis is used to identify whether the gear has fault or not. The experimental results show that this method can identify faults according to the order and angle range of instantaneous power spectrum distribution, and is suitable for gear fault detection under variable working conditions.
【作者單位】： 石家莊鐵道大學(xué)機(jī)械工程學(xué)院;
【基金】：國家自然科學(xué)基金(51375319) 河北省杰出青年科學(xué)基金(E2013210113) 河北省百名優(yōu)秀創(chuàng)新人才支持計(jì)劃(BR2-222)
【分類號】：TH132.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃晉英,潘宏俠,謝奇峰;時(shí)間序列方法在齒輪箱故障診斷中的應(yīng)用[J];太原師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2004年02期

2 黃晉英;畢世華;潘宏俠;楊喜旺;;獨(dú)立分量分析在齒輪箱故障診斷中的應(yīng)用[J];振動(dòng)、測試與診斷;2008年02期

3 戴麗杰;;齒輪箱故障診斷方法[J];黑龍江科技信息;2002年08期

4 高國華 ,張永忠;齒輪箱故障診斷技術(shù)的新發(fā)展[J];機(jī)械傳動(dòng);2003年06期

5 高永生;唐力偉;王建華;金海薇;;基于系統(tǒng)特性的齒輪箱故障診斷[J];煤礦機(jī)械;2006年01期

6 魏秀業(yè);潘宏俠;;齒輪箱故障診斷技術(shù)現(xiàn)狀及展望[J];測試技術(shù)學(xué)報(bào);2006年04期

7 邢士勇;金海薇;鄭海起;唐力偉;;基于關(guān)聯(lián)距離熵的齒輪箱故障診斷[J];機(jī)械工程師;2007年07期

8 吳德會;;一種基于支持向量機(jī)的齒輪箱故障診斷方法[J];振動(dòng)、測試與診斷;2008年04期

9 王華;包磊;宋昊明;郭穎;葉偉;;空分457齒輪箱故障診斷[J];機(jī)械研究與應(yīng)用;2008年03期

10 朱有劍;李建;;基于倒頻譜特征提取的齒輪箱故障診斷[J];科技廣場;2008年08期

相關(guān)會議論文 前6條

1 蔡安江;豆衛(wèi)濤;柴彥昌;孫少軍;;基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的齒輪箱故障診斷應(yīng)用研究[A];陜西省機(jī)械工程學(xué)會第九次代表大會會議論文集[C];2009年

2 高永生;唐力偉;甘霖;楊通強(qiáng);;基于系統(tǒng)特性的齒輪箱故障診斷[A];2005年中國機(jī)械工程學(xué)會年會論文集[C];2005年

3 李愛民;;基于灰色聚類決策的齒輪箱故障診斷[A];第19屆灰色系統(tǒng)全國會議論文集[C];2010年

4 金大瑋;李建橋;賈民平;;循環(huán)自相關(guān)函數(shù)在齒輪箱故障診斷中的應(yīng)用[A];走中國特色農(nóng)業(yè)機(jī)械化道路——中國農(nóng)業(yè)機(jī)械學(xué)會2008年學(xué)術(shù)年會論文集（上冊）[C];2008年

5 董海江;趙春華;萬詩慶;汪偉;;LWPEE與SVM在風(fēng)電齒輪箱故障診斷中的應(yīng)用[A];第十一屆全國摩擦學(xué)大會論文集[C];2013年

6 雷亞國;林京;何正嘉;;基于多傳感器信息融合的行星齒輪箱故障診斷[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

相關(guān)博士學(xué)位論文 前2條

1 歐璐;圖譜理論在齒輪箱故障診斷中的應(yīng)用研究[D];湖南大學(xué);2016年

2 許昕;基于濾波技術(shù)和粒子群優(yōu)化的齒輪箱故障診斷研究[D];中北大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 李猷鳳;齒輪箱故障診斷的小波包-ICA分析方法[D];南京理工大學(xué);2015年

2 鄢小安;基于自適應(yīng)振動(dòng)信號處理的齒輪箱故障診斷研究[D];華北電力大學(xué);2015年

3 李楠;基于粒子濾波的齒輪箱故障診斷[D];華北電力大學(xué);2015年

4 盧昆鵬;基于DSP-SVM的風(fēng)電齒輪箱故障診斷系統(tǒng)[D];中北大學(xué);2016年

5 郭松濤;基于約束獨(dú)立分量分析的齒輪箱故障診斷研究[D];河南理工大學(xué);2015年

6 牛志雷;基于形態(tài)分量分析的齒輪箱故障診斷研究[D];石家莊鐵道大學(xué);2016年

7 曹勁然;大型吊裝裝備齒輪箱故障診斷與預(yù)測方法研究[D];南京理工大學(xué);2016年

8 胡二猛;基于LabVIEW的齒輪箱故障診斷系統(tǒng)研究[D];南京信息工程大學(xué);2016年

9 王宇;基于混合蛙跳優(yōu)化神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷研究[D];中北大學(xué);2017年

10 孫作佩;形態(tài)學(xué)神經(jīng)網(wǎng)絡(luò)在齒輪箱故障診斷中的應(yīng)用研究[D];華中科技大學(xué);2016年

，

本文編號：2028812