發(fā)布時間：2020-05-15 22:41

【摘要】： 齒輪箱系統(tǒng)是旋轉機械中常用的傳動設備,它工作是否正常直接關系到整個設備的運行狀態(tài),對其進行狀態(tài)監(jiān)測,及時發(fā)現(xiàn)故障,并對故障進行分類識別有重大的意義,可以避免不必要的損失。一般齒輪箱的工作環(huán)境比較惡劣,采集的信號中背景噪聲比較大,一部分有用信號可能被強噪聲覆蓋,在進行故障分析前需要對其進行降噪處理。 粒子濾波技術是一種新型的基于模型的狀態(tài)估計技術,在深入研究粒子濾波原理的基礎上將其應用于齒輪箱振動加速度信號降噪處理中。利用粒子濾波技術進行降噪,需要知道信號的模型和噪聲的統(tǒng)計特性,本文的處理方法為:對振動加速度信號建立時間序列AR模型,再將此模型的系數(shù)作為粒子濾波狀態(tài)方程的系數(shù);在了解小波變換降噪原理后,將小波變換閾值降噪思想用于提取噪聲信號中,將提取的噪聲信號用于粒子濾波觀測方程中,此時假設噪聲是加性的。 在上述理論分析的基礎上,對實驗室采集的齒輪箱振動加速度信號進行分析處理,先用粒子濾波技術進行降噪,之后再用BP神經(jīng)網(wǎng)絡對其進行故障模式分類識別。神經(jīng)網(wǎng)絡是一種自適應的模式識別技術,在故障模式識別中的應用非常廣泛,理論研究也較成熟。本文對經(jīng)過粒子濾波降噪的數(shù)據(jù)和沒有經(jīng)過處理的數(shù)據(jù)分別用BP神經(jīng)網(wǎng)絡進行診斷,BP神經(jīng)網(wǎng)絡的輸入向量為兩組數(shù)據(jù)經(jīng)過小波包變換提取的能量譜尺度,之后進行訓練、測試和診斷。結果說明經(jīng)過粒子濾波降噪后的數(shù)據(jù)診斷效果比較好,也證明了粒子濾波降噪的效果較好。
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：TH132.41;TH165.3

【引證文獻】

相關博士學位論文 前1條

1 李孟麟;融合葉尖定時信號的旋轉機械轉子故障診斷技術研究[D];天津大學;2011年

相關碩士學位論文 前6條

1 王曉斌;基于粒子濾波的齒輪箱故障診斷研究[D];中北大學;2011年

2 馬航;齒輪箱故障診斷中粒子濾波技術的應用[D];中北大學;2011年

3 李桃;基于粒子濾波技術的齒輪箱故障診斷研究[D];中北大學;2012年

4 陳培永;動態(tài)信號處理若干技術及應用[D];南京航空航天大學;2012年

5 馬濤;基于振動信號的大型風力發(fā)電機齒輪箱健康狀態(tài)預測研究[D];沈陽工業(yè)大學;2013年

6 徐春雷;基于粒子濾波方法的齒輪箱故障診斷技術[D];中北大學;2013年

，

本文編號：2665727