發(fā)布時(shí)間：2020-03-18 18:33

【摘要】：齒輪作為傳動(dòng)機(jī)構(gòu)齒輪箱必不可少的關(guān)鍵部件,運(yùn)行工況復(fù)雜,其狀態(tài)監(jiān)測與故障診斷直接影響復(fù)雜傳動(dòng)裝置的安全正常運(yùn)行,對(duì)企業(yè)乃至社會(huì)均具有巨大的經(jīng)濟(jì)價(jià)值和安全價(jià)值。傳統(tǒng)對(duì)于恒定工況的齒輪故障診斷方法已無法滿足實(shí)際需求,探索基于非平穩(wěn)信號(hào)的變工況齒輪故障診斷方法現(xiàn)已成為國內(nèi)外學(xué)者的研究熱點(diǎn)。在變轉(zhuǎn)速工況下,從目標(biāo)信號(hào)中采用適當(dāng)?shù)姆瞧椒�(wěn)信號(hào)處理方法診斷出故障信息是基于振動(dòng)信號(hào)的故障診斷的關(guān)鍵。稀疏分解方法因其具有自適應(yīng)性好,能反映信號(hào)本質(zhì)等特點(diǎn),近年來被廣泛應(yīng)用于非平穩(wěn)信號(hào)的分解中。數(shù)據(jù)驅(qū)動(dòng)時(shí)頻分析方法(Data-Driven Time-Frequency Analysis,DDTFA)是一種新近提出的稀疏分解方法,該方法把對(duì)信號(hào)的稀疏分解等同于求解一個(gè)最優(yōu)化問題,同時(shí)得到信號(hào)的時(shí)頻分布,具有明確的數(shù)學(xué)理論基礎(chǔ),可從時(shí)變非平穩(wěn)信號(hào)中精確地提取信號(hào)中的非平穩(wěn)分量。論文選題源自國家自然科學(xué)基金青年科學(xué)基金項(xiàng)目“基于非線性匹配追蹤數(shù)據(jù)驅(qū)動(dòng)時(shí)頻分析的變工況機(jī)械故障診斷方法研究”(51605151),對(duì)DDTFA方法進(jìn)行理論研究的基礎(chǔ)上,重點(diǎn)對(duì)其初始相位函數(shù)選取進(jìn)行了研究提出了兩種初始相位函數(shù)選取的DDTFA方法,并將DDTFA方法運(yùn)用于變工況領(lǐng)域的齒輪故障診斷。本文的主要研究工作如下:(1)對(duì)DDTFA方法進(jìn)行了理論研究,分別從分解精度、抗噪性、抗模態(tài)混疊能力等方面與EMD方法進(jìn)行了對(duì)比分析;研究了初始相位函數(shù)和帶寬控制參數(shù)對(duì)DDTFA分解能力的影響,仿真驗(yàn)證了初始相位函數(shù)趨勢是影響DDTFA分解能力的關(guān)鍵因素。(2)針對(duì)非平穩(wěn)信號(hào),初始相位函數(shù)趨勢直接影響DDTFA的分解能力,而初始相位函數(shù)的趨勢在物理意義上可轉(zhuǎn)換為信號(hào)的瞬時(shí)頻率,基于此前提,將能精確估計(jì)信號(hào)瞬時(shí)頻率的基于多尺度線調(diào)頻基的稀疏信號(hào)分解方法(Multi-Scale Chirplet Sparse Decomposition,MSCSD)用于DDTFA的初始相位函數(shù)估計(jì),提出了MSCSD-DDTFA方法,首先仿真驗(yàn)證了MSCSD對(duì)于非平穩(wěn)信號(hào)瞬時(shí)頻率估計(jì)的準(zhǔn)確性,相對(duì)于同步壓縮方法(Synchrosqueezing Transform,SST),參數(shù)化時(shí)頻分析方法(General Parameterized Time-Frequency Transform,GPTFT)的優(yōu)越性,然后仿真分析驗(yàn)證了MSCSD-DDTFA對(duì)于非平穩(wěn)信號(hào)分解的準(zhǔn)確性,最后運(yùn)用MSCSD-DDTFA診斷變轉(zhuǎn)速齒輪的斷齒故障,驗(yàn)證了方法的有效性。(3)基于MSCSD-DDTFA方法時(shí)效性差、而變分模態(tài)分解(Variational Mode Decomposition,VMD)方法能快速精確地分解信號(hào)各分量的中心頻率且抗噪性好的特點(diǎn),將VMD用于DDTFA的初始相位選取,提出了VMD-DDTFA方法,仿真驗(yàn)證了VMD-DDTFA對(duì)于非平穩(wěn)信號(hào)分解的準(zhǔn)確性、抗噪性和抗模態(tài)混淆能力,并運(yùn)用VMD-DDTFA診斷變轉(zhuǎn)速齒輪的裂紋故障,驗(yàn)證了方法的有效性。(4)分別從適應(yīng)性、時(shí)效性、抗模態(tài)混淆、抗噪性對(duì)MSCSD-DDTFA和VMD-DDTFA兩種方法進(jìn)行仿真對(duì)比研究,驗(yàn)證方法的有效性;并探討了MSCSD-DDTFA和VMD-DDTFA方法不同帶寬控制參數(shù)取值的情況下對(duì)非平穩(wěn)仿真信號(hào)的分解結(jié)果影響。
【圖文】：

存在較大的幅值失真，因此 MSCSD 適合相位函數(shù)的估計(jì)，但在時(shí)域信號(hào)的分解上存在一定的缺陷；而 DDTFA 方法根據(jù)預(yù)設(shè)的相位函數(shù)，可從低信噪比信號(hào)中分離出時(shí)變非平穩(wěn)信號(hào)分量，且時(shí)域信號(hào)幅值失真小。因此，本文將 MSCSD 與DDTFA 方法相結(jié)合，提出基于初始相位函數(shù)估計(jì)的 DDTFA 方法，即采用 MSCSD方法估計(jì)相位函數(shù)，并將該方法用于齒輪故障診斷中。本文方法的具體計(jì)算步驟如下：(1) 采用 MSCSD 方法對(duì)待分析信號(hào) S 進(jìn)行分析，，獲取信號(hào)的瞬時(shí)頻率 fz 和時(shí)域波形 Sz；(2) 對(duì)求出的信號(hào) Sz 進(jìn)行分析，獲取其相位函數(shù) (t )；(3) 以相位函數(shù) (t ) 作為初始相位函數(shù)，采用 DDTFA 方法對(duì)待分析信號(hào) S 進(jìn)行分析，獲取時(shí)變非平穩(wěn)信號(hào)分量'S ；(4)根據(jù)瞬時(shí)頻率 fz 求取轉(zhuǎn)頻信號(hào)r z Tf f N，TN 為齒輪齒數(shù)；(5) 采用轉(zhuǎn)頻信號(hào) fr 對(duì)時(shí)變非平穩(wěn)信號(hào)分量'S 進(jìn)行階次包絡(luò)譜分析；(6) 根據(jù)時(shí)變非平穩(wěn)信號(hào)分量'S 的階次包絡(luò)譜診斷變轉(zhuǎn)速齒輪故障。

工程碩士學(xué)位論文 AM-FM 信號(hào)仿真分析SD-DDTFA 分解單分量非平穩(wěn)信號(hào)的有效性，設(shè)置一幅調(diào)頻信號(hào) S1(t)。信號(hào) S1(t)的模擬齒數(shù)為 20，載波的 20 倍，即載波信號(hào)被 1 倍調(diào)制信號(hào)所調(diào)制，其表達(dá)為 4096Hz，取樣時(shí)長為 1s，信號(hào) S1(t)的波形如圖 3t ) (1 cos(20 t sin(3 t ))) cos[20 (20 t sin(3 t))]
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TH132.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉長良;武英杰;甄成剛;;基于變分模態(tài)分解和模糊C均值聚類的滾動(dòng)軸承故障診斷[J];中國電機(jī)工程學(xué)報(bào);2015年13期

2 唐貴基;王曉龍;;參數(shù)優(yōu)化變分模態(tài)分解方法在滾動(dòng)軸承早期故障診斷中的應(yīng)用[J];西安交通大學(xué)學(xué)報(bào);2015年05期

3 鄭近德;程軍圣;聶永紅;羅頌榮;;完備總體平均局部特征尺度分解及其在轉(zhuǎn)子故障診斷中的應(yīng)用[J];振動(dòng)工程學(xué)報(bào);2014年04期

4 崔玲麗;王婧;鄔娜;高立新;;基于軸承故障信號(hào)特征的自適應(yīng)沖擊字典匹配追蹤方法及應(yīng)用[J];振動(dòng)與沖擊;2014年11期

5 李蓉;于德介;陳向民;劉堅(jiān);;基于線調(diào)頻小波路徑追蹤算法與EEMD的齒輪箱復(fù)合故障診斷方法[J];振動(dòng)與沖擊;2014年03期

6 陳向民;于德介;李蓉;;基于形態(tài)分量分析與階次跟蹤的齒輪箱復(fù)合故障診斷方法[J];航空動(dòng)力學(xué)報(bào);2014年01期

7 陳向民;于德介;李蓉;;基于階次解調(diào)譜的變速齒輪箱復(fù)合故障診斷方法[J];振動(dòng)工程學(xué)報(bào);2013年06期

8 李蓉;于德介;陳向民;劉堅(jiān);;基于階次分析與循環(huán)平穩(wěn)解調(diào)的齒輪箱復(fù)合故障診斷方法[J];中國機(jī)械工程;2013年10期

9 鄒今春;沈玉娣;;變工況齒輪箱故障診斷方法綜述[J];機(jī)械傳動(dòng);2012年08期

10 吳雪明;于德介;陳向民;;基于自適應(yīng)線調(diào)頻基原子分解的時(shí)域同步平均方法及其在變轉(zhuǎn)速齒輪故障診斷中的應(yīng)用[J];中國機(jī)械工程;2012年10期

相關(guān)博士學(xué)位論文 前4條

1 李寶慶;基于自適應(yīng)最稀疏時(shí)頻分析的機(jī)械故障診斷方法[D];湖南大學(xué);2016年

2 李蓉;齒輪箱復(fù)合故障診斷方法研究[D];湖南大學(xué);2013年

3 彭富強(qiáng);多尺度線調(diào)頻基稀疏信號(hào)分解及其在齒輪箱故障診斷中的應(yīng)用[D];湖南大學(xué);2010年

4 王勝春;自適應(yīng)時(shí)頻分析技術(shù)及其在故障診斷中的應(yīng)用研究[D];山東大學(xué);2007年

相關(guān)碩士學(xué)位論文 前6條

1 劉貞濤;基于自適應(yīng)最稀疏時(shí)頻分析的轉(zhuǎn)子系統(tǒng)故障診斷方法[D];湖南大學(xué);2017年

2 張頂成;基于最優(yōu)信號(hào)共振稀疏分解的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];湖南大學(xué);2016年

3 何知義;基于自適應(yīng)最稀疏時(shí)頻分析的旋轉(zhuǎn)機(jī)械故障診斷方法[D];湖南大學(xué);2016年

4 張學(xué)陽;改進(jìn)的數(shù)據(jù)驅(qū)動(dòng)時(shí)頻分析方法及其應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2012年

5 李會(huì)臣;基于時(shí)頻分析的齒輪故障機(jī)理及診斷研究[D];鄭州大學(xué);2010年

6 王遠(yuǎn)程;階次分析在齒輪變速箱故障診斷中的應(yīng)用[D];同濟(jì)大學(xué);2006年

本文編號(hào)：2589029