齒輪箱在機(jī)械工業(yè)領(lǐng)域占有重要地位并廣泛應(yīng)用于各類機(jī)械設(shè)備,尤其是旋轉(zhuǎn)機(jī)械的重要傳動(dòng)部件。齒輪箱能否正常工作關(guān)乎到整個(gè)機(jī)器或機(jī)組設(shè)備的局部或整體的工況狀態(tài),并且旋轉(zhuǎn)機(jī)械設(shè)備的故障有很大比例是由齒輪箱的部件失效引起的,其中振動(dòng)噪聲信號(hào)又是齒輪箱故障特征的載體,故通過(guò)齒輪箱的振動(dòng)信號(hào)對(duì)其早期故障進(jìn)行準(zhǔn)確診斷并能預(yù)測(cè)其故障發(fā)展趨勢(shì)以及作出對(duì)發(fā)生故障或潛在故障的零部件進(jìn)行最快替換的決策對(duì)提高旋轉(zhuǎn)機(jī)械設(shè)備整體運(yùn)行可靠性具有重要意義。本文首先介紹了齒輪箱的主要失效形式、故障特征及其振動(dòng)機(jī)理的有關(guān)概念,針對(duì)齒輪出現(xiàn)缺陷時(shí)其振動(dòng)信號(hào)產(chǎn)生交叉調(diào)制成份特點(diǎn)提出了小波降噪、EEMD與ISOMAP相結(jié)合的高維故障樣本特征選擇和提取方法,在此基礎(chǔ)上提出一種基于ISOMAP與LVQ的齒輪故障診斷模型;針對(duì)軸承出現(xiàn)不同故障時(shí)都在其外圈的低階至高階所有固有頻率中心處引起多分量調(diào)頻現(xiàn)象及其發(fā)生故障時(shí)其振動(dòng)能量偏小的特點(diǎn)提出了小波降噪、LMD與距離自適應(yīng)LLE相結(jié)合的高維故障樣本特征選擇和提取方法和基于離散度思想的LLE算法重要參數(shù)k值選擇算法,在此基礎(chǔ)上本文提出一種基于距離自適應(yīng)LLE與LVQ的軸承故障診斷模型。實(shí)驗(yàn)結(jié)果表明采用小波降噪、EEMD(或LMD)與流形學(xué)習(xí)方法進(jìn)行特征提取可以有效降低噪聲對(duì)流形學(xué)習(xí)低維拓?fù)浣Y(jié)構(gòu)信息的嚴(yán)重干擾。齒輪故障模擬實(shí)驗(yàn)結(jié)果驗(yàn)證了基于ISOMAP與LVQ的齒輪故障診斷模型診斷正確率高于廣泛應(yīng)用于故障診斷領(lǐng)域的BP神經(jīng)網(wǎng)絡(luò)模型;與未改進(jìn)LLE及PCA對(duì)比,通過(guò)軸承故障模擬實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了本文提出的基于離散度思想確定距離自適應(yīng)LLE的參數(shù)k值可以提高流形學(xué)習(xí)降維獲取特征的可分性,并且基于距離自適應(yīng)LLE與LVQ的軸承故障診斷模型的診斷準(zhǔn)確率也高于SVM模型。
【學(xué)位單位】：沈陽(yáng)理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TH132.41
【部分圖文】：

可以實(shí)現(xiàn)對(duì)原始振動(dòng)信號(hào)有效的分解、降噪、信號(hào)重構(gòu)（包括特征選擇和提取）和故障類型診斷。（4）融合現(xiàn)代智能算法。包括粒子群算法、遺傳算法、蟻群算法、模糊邏輯、神經(jīng)網(wǎng)絡(luò)算法以及專家系統(tǒng)等各種智能優(yōu)化算法的應(yīng)用將促進(jìn)齒輪箱故障診斷技術(shù)的進(jìn)一步研究與發(fā)展。1.3.2 國(guó)內(nèi)外的研究現(xiàn)狀1.故障特征提取技術(shù)的研究現(xiàn)狀：故障特征提取技術(shù)是當(dāng)前機(jī)械故障診斷領(lǐng)域中最重要也是最困難的研究課題，關(guān)乎到能否對(duì)其早期故障進(jìn)行準(zhǔn)確診斷并預(yù)報(bào)其故障發(fā)展趨勢(shì)的可行性。故障特征提取分為廣義和狹義。廣義的特征提取是指從現(xiàn)場(chǎng)采集的故障振動(dòng)信號(hào)中采用適當(dāng)?shù)奶卣魈崛∫?guī)則提取出故障設(shè)備的特征信息。狹義的特征提取是將原始觀測(cè)樣本運(yùn)用數(shù)學(xué)方法計(jì)算出各種統(tǒng)計(jì)量并將其組合成特征向量[27]。

第 2 章 齒輪箱故障機(jī)理及特征分析為了更好地對(duì)齒輪箱故障診斷方法進(jìn)行研究，本章主要介紹齒輪箱故障診斷相關(guān)的基礎(chǔ)理論。首先簡(jiǎn)要介紹了齒輪與軸承的主要失效形式(如齒根斷齒、點(diǎn)蝕等)，接下來(lái)分別介紹了齒輪與軸承的振動(dòng)機(jī)理及其故障特征分析理論。通過(guò)學(xué)習(xí)這些理論知識(shí)，有利于進(jìn)一步對(duì)應(yīng)提出齒輪箱故障診斷的方法并且這些理論知識(shí)也是進(jìn)行齒輪箱故障診斷實(shí)驗(yàn)的理論基礎(chǔ)。2.1 齒輪箱的主要故障形式齒輪箱主要是由各類齒輪、軸承與軸系等部件構(gòu)成并在不同旋轉(zhuǎn)機(jī)械設(shè)備中發(fā)揮變速、改變傳動(dòng)方向、傳遞力矩與運(yùn)動(dòng)、指示讀數(shù)、變換機(jī)構(gòu)的位置及離合等功能的重要結(jié)構(gòu)之一。

的振動(dòng)機(jī)理輪箱處于工作狀態(tài)中時(shí)，輪齒嚙合引發(fā)的振動(dòng)信號(hào)及噪聲能夠齒輪箱內(nèi)部包括齒輪、軸承及軸系等零部件的工作狀態(tài)[54]。當(dāng)時(shí)，齒輪在傳動(dòng)中會(huì)產(chǎn)生快慢不均的轉(zhuǎn)動(dòng)，并且在進(jìn)入和脫離產(chǎn)生較高的振動(dòng)峰值，形成短時(shí)間的幅值和相位的變化，由于較低，而嚙合頻率及其諧頻頻率較高，所以產(chǎn)生了不同形式的變化的產(chǎn)生幅值調(diào)制，引起頻率或相位變化的產(chǎn)生頻率調(diào)制。中，調(diào)幅與調(diào)頻可能同時(shí)存在，形成交叉調(diào)制成分。齒嚙合振動(dòng)的物理模型副可以看作一個(gè)具有質(zhì)量、彈簧和阻尼的復(fù)雜振動(dòng)系統(tǒng)，輪齒期性變化的性質(zhì)，由齒輪副嚙合產(chǎn)生的振動(dòng)信號(hào)往往含有不平，其中齒輪嚙合振動(dòng)的物理模型簡(jiǎn)化為如圖 2.2 所示。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃宏臣;張倩倩;韓振南;林曉龍;劉慶;;拉普拉斯特征映射算法在滾動(dòng)軸承故障識(shí)別中的應(yīng)用[J];中國(guó)測(cè)試;2015年05期

2 魏永合;王明華;林夢(mèng)菊;田鵬;;基于改進(jìn)EEMD的滾動(dòng)軸承故障特征提取技術(shù)[J];組合機(jī)床與自動(dòng)化加工技術(shù);2015年01期

3 馬力;李冬;薛慶增;王輝;譚巍;;基于量子粒子群和流形學(xué)習(xí)的分類方法及其在發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用[J];推進(jìn)技術(shù);2014年10期

4 朱啟兵;楊寶;黃敏;;基于核映射稀疏表示分類的軸承故障診斷[J];振動(dòng)與沖擊;2013年11期

5 尹剛;張英堂;李志寧;程利軍;;運(yùn)用在線貫序極限學(xué)習(xí)機(jī)的故障診斷方法[J];振動(dòng).測(cè)試與診斷;2013年02期

6 周智;朱永生;張優(yōu)云;朱川峰;王鵬;;基于EEMD和共振解調(diào)的滾動(dòng)軸承自適應(yīng)故障診斷[J];振動(dòng)與沖擊;2013年02期

7 劉嘉敏;周曉莉;朱晟君;王會(huì)巖;羅甫林;;基于LLE及其改進(jìn)算法的人耳識(shí)別[J];光電工程;2012年12期

8 楊慶;陳桂明;何慶飛;劉鯖潔;;局部切空間排列算法用于軸承早期故障診斷[J];振動(dòng).測(cè)試與診斷;2012年05期

9 楊佳鑫;齊蘊(yùn)光;蔡兆中;;齒輪箱故障診斷技術(shù)現(xiàn)狀與發(fā)展趨勢(shì)[J];機(jī)電信息;2011年36期

10 劉忠寶;;一種改進(jìn)的線性判別分析算法在人臉識(shí)別中的應(yīng)用[J];計(jì)算機(jī)工程與科學(xué);2011年07期

相關(guān)博士學(xué)位論文 前2條

1 谷方明;支持向量數(shù)據(jù)描述的若干問(wèn)題及應(yīng)用研究[D];吉林大學(xué);2010年

2 王廣斌;基于流形學(xué)習(xí)的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];中南大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 牛保國(guó);齒輪箱故障檢測(cè)技術(shù)研究[D];沈陽(yáng)理工大學(xué);2016年

2 孫美巖;基于振動(dòng)信號(hào)的滾動(dòng)軸承故障特征提取研究[D];東北石油大學(xué);2015年

3 胡浩松;基于流形學(xué)習(xí)的旋轉(zhuǎn)機(jī)械故障識(shí)別方法研究[D];燕山大學(xué);2015年

4 王振華;基于EMD譜峭度和支持向量機(jī)的齒輪箱故障診斷[D];中北大學(xué);2014年

5 王迪;基于虛擬儀器的振動(dòng)測(cè)試分析系統(tǒng)研究[D];重慶交通大學(xué);2014年

6 徐明林;基于小波降噪和經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障診斷[D];哈爾濱工業(yè)大學(xué);2013年

7 尹煥;基于ISOMAP的機(jī)械故障診斷方法研究與應(yīng)用[D];華南理工大學(xué);2012年

8 楊怡;基于局部均值分解的齒輪故障診斷方法[D];湖南大學(xué);2012年

9 劉麗娟;基于流形學(xué)習(xí)與一類分類的故障診斷方法及其應(yīng)用研究[D];南京航空航天大學(xué);2012年

10 彭春陽(yáng);基于振動(dòng)信號(hào)分析的齒輪箱故障診斷儀的研究[D];重慶大學(xué);2011年

本文編號(hào)：2858578