本文關(guān)鍵詞：基于自適應(yīng)振動信號處理的齒輪箱故障診斷研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：齒輪箱作為現(xiàn)代機(jī)械設(shè)備中重要組成部件之一,對其進(jìn)行故障診斷研究具有重要的現(xiàn)實意義。目前,存在許多齒輪箱的故障診斷方法,但對于實際的齒輪振動信號,由于受到工作環(huán)境及齒輪振動信號自身具備非平穩(wěn)特性的影響,單一的方法有時難以提取有效的齒輪故障特征信息。因此,本文采用多種方法相結(jié)合來實現(xiàn)對齒輪箱的故障診斷。其主要研究內(nèi)容包括:1、基于局部均值分解的齒輪箱故障診斷研究。研究了局部均值分解和經(jīng)驗?zāi)B(tài)分解兩種算法在時頻分析方面的性能,提出了一種新的基于局部均值分解的自適應(yīng)時頻分析方法,簡稱LMD-AWVD。首先利用局部均值分解優(yōu)良的自適應(yīng)時頻分解能力獲得振動信號的若干個PF分量;然后計算各PF分量的相關(guān)系數(shù)并據(jù)此挑選含故障信息豐富的PF分量作為主PF分量;最后計算各主PF分量的Wigner-Ville分布并進(jìn)一步疊加得到系統(tǒng)整體的時頻分布。實驗結(jié)果表明,LMD-AWVD方法能有效地應(yīng)用于齒輪故障診斷中。2、基于固有時間尺度分解的齒輪箱故障診斷研究研究了固有時間尺度分解(ITD)的算法改進(jìn),針對ITD方法的一些缺陷問題,提出了一種集成固有時間尺度分解(EITD)方法。研究了數(shù)學(xué)形態(tài)濾波在振動信號中的降噪性能,分析了奇異值分解(SVD)在特征提取方面的優(yōu)良特點,將EITD方法與組合形態(tài)濾波和奇異值分解相結(jié)合定義了一種形態(tài)奇異值熵。針對非平穩(wěn)齒輪振動信號的有效故障特征提取和分類問題,提出了一種基于形態(tài)奇異值熵和支持向量機(jī)的齒輪故障診斷方法。3、基于固有時間尺度分解的風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷研究針對風(fēng)機(jī)齒輪振動信號的非平穩(wěn)性以及難以提取有效故障特征的問題,提出了一種新的風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷方法。首先使用三次樣條插值擬合基線控制點,將振動信號分解為一系列固有旋轉(zhuǎn)分量;然后選擇相關(guān)系數(shù)最大的PR分量進(jìn)行小波包分解,計算分解后小波包系數(shù)的能量分布,選擇能量比重較大的小波包系數(shù)重構(gòu)PR分量;最后計算重構(gòu)PR分量的關(guān)聯(lián)維數(shù),實現(xiàn)振動信號的故障診斷。實例分析表明,所提出的方法能有效提取風(fēng)機(jī)齒輪箱的故障特征,實現(xiàn)信號的模式識別。
【關(guān)鍵詞】：齒輪箱 信號分析 局部均值分解 固有時間尺度分解 故障診斷
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH132.4
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-17
• 1.1 選題背景與意義10
• 1.2 齒輪箱故障診斷的國內(nèi)外研究現(xiàn)狀10-12
• 1.3 齒輪箱的故障類型及其產(chǎn)生的原因12-14
• 1.4 齒輪箱故障的振動信號處理方法14-15
• 1.5 本課題研究的主要內(nèi)容15-17
• 第2章 基于局部均值分解的齒輪箱故障診斷研究17-36
• 2.1 HHT方法17-18
• 2.1.1 EMD方法17-18
• 2.1.2 Hilbert變換18
• 2.2 LMD方法18-22
• 2.2.1 LMD方法過程18-22
• 2.2.2 端點效應(yīng)的評價指標(biāo)22
• 2.3 局部均值分解與其他時頻分析方法的比較22-27
• 2.3.1 與傳統(tǒng)時頻分析方法的比較22-25
• 2.3.2 與HHT方法的比較25-27
• 2.4 基于局部均值分解的Wigner-Ville分布27-30
• 2.4.1 Wigner-Ville分布27
• 2.4.2 基于局部均值分解的Wigner-Ville分布27-28
• 2.4.3 仿真信號分析28-30
• 2.5 齒輪箱故障的模擬實驗研究30-35
• 2.5.1 齒輪故障信號的特征頻率分析30-31
• 2.5.2 齒輪故障信號的頻譜分析31-33
• 2.5.3 LMD-AWVD方法在齒輪故障診斷中的應(yīng)用33-35
• 2.6 本章小結(jié)35-36
• 第3章 基于固有時間尺度分解的齒輪箱故障診斷研究36-51
• 3.1 EITD方法36-41
• 3.1.1 原始ITD方法36-37
• 3.1.2 EITD方法37-38
• 3.1.3 基于EITD方法的仿真信號分析38-41
• 3.2 數(shù)學(xué)形態(tài)濾波41-44
• 3.2.1 形態(tài)濾波基本原理41-43
• 3.2.2 結(jié)構(gòu)元素的選擇43
• 3.2.3 組合形態(tài)濾波器的降噪性能分析43-44
• 3.3 奇異值分解44
• 3.4 形態(tài)奇異值熵44-45
• 3.5 基于形態(tài)奇異值熵和SVM的齒輪故障診斷方法45-46
• 3.6 實驗分析46-49
• 3.7 本章小結(jié)49-51
• 第4章 基于固有時間尺度分解的風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷研究51-63
• 4.1 風(fēng)力發(fā)電機(jī)組齒輪箱故障的實例分析研究51-56
• 4.1.1 風(fēng)力發(fā)電機(jī)組傳動系統(tǒng)的特征頻率分析51-55
• 4.1.2 風(fēng)機(jī)齒輪振動信號的頻譜分析55-56
• 4.2 小波包變換56-57
• 4.3 基于小波包的EITD風(fēng)機(jī)齒輪箱故障診斷方法57-58
• 4.4 基于小波包的EITD在風(fēng)機(jī)齒輪箱故障診斷中的應(yīng)用58-62
• 4.5 本章小結(jié)62-63
• 第5章 結(jié)論與展望63-65
• 5.1 結(jié)論63
• 5.2 展望63-65
• 參考文獻(xiàn)65-69
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果69-70
• 致謝70

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

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

2 一民;高速齒輪箱故障診斷技術(shù)及其診斷系統(tǒng)通過鑒定[J];振動、測試與診斷;1991年04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;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;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、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

中國重要會議論文全文數(shù)據(jù)庫 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

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 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

2 焦新濤;小波分析及其在齒輪箱故障診斷中應(yīng)用研究[D];華南理工大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 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 陳晗霄;基于虛擬儀器的大型高速齒輪箱故障診斷系統(tǒng)研究[D];電子科技大學(xué);2010年

4 楊成;傳動齒輪箱故障診斷系統(tǒng)研究[D];哈爾濱工程大學(xué);2013年

5 范江東;基于粒子群優(yōu)化與支持向量機(jī)的齒輪箱故障診斷研究[D];中北大學(xué);2010年

6 朱兵;局域均值分解方法在齒輪箱故障診斷中的研究[D];中北大學(xué);2010年

7 孫黎明;基于粒子群優(yōu)化和系統(tǒng)特性的齒輪箱故障診斷研究[D];中北大學(xué);2010年

8 王清;基于模糊聚類和灰色理論的齒輪箱故障診斷研究[D];中北大學(xué);2006年

9 許昕;齒輪箱故障診斷在安全生產(chǎn)中的應(yīng)用[D];中北大學(xué);2007年

10 史霞飛;基于嵌入式的齒輪箱故障診斷系統(tǒng)研究[D];中北大學(xué);2013年

  本文關(guān)鍵詞：基于自適應(yīng)振動信號處理的齒輪箱故障診斷研究，由筆耕文化傳播整理發(fā)布。

本文編號：257018