齒輪箱是最重要的機械部件之一,其健康狀態(tài)直接影響整臺設(shè)備的運行。若能及時發(fā)現(xiàn)齒輪箱的早期微弱故障,就可以有效地避免齒輪箱故障帶來的損失。因此研究齒輪箱故障診斷新方法,具有重要的工程意義。滾動軸承和齒輪是齒輪箱的核心零部件,同時故障率較高。因此本文以二者為主要的研究對象,圍繞一種新的循環(huán)平穩(wěn)分析方法——快速譜相關(guān),從齒輪箱的微弱故障診斷、復(fù)合故障診斷和故障智能識別三個方面展開研究,主要研究內(nèi)容如下:首先,闡述了課題開展的背景以及本文所做工作的必要性。歸納和總結(jié)了齒輪箱故障診斷研究的國內(nèi)外現(xiàn)狀和發(fā)展動態(tài)。介紹了循環(huán)平穩(wěn)理論的研究現(xiàn)狀,為論文工作的開展做了很好的鋪墊。然后簡述了快速譜相關(guān)的基本原理,并利用滾動軸承和齒輪的故障診斷實例表明快速譜相關(guān)能夠有效提取故障沖擊特征,為論文奠定理論基礎(chǔ)。由于齒輪箱工作環(huán)境惡劣,齒輪和滾動軸承振動信號的故障特征常常淹沒于強烈的背景噪聲中。為有效提取強噪聲背景下的滾動軸承故障信息,提出了一種基于總變差去噪和快速譜相關(guān)的故障特征提取方法�？傋儾钊ピ雽υ夹盘栠M(jìn)行降噪的同時,較好地保留了故障特征信息�？焖僮V相關(guān)有效地提取了降噪信號的故障沖擊特征,有利于準(zhǔn)確地進(jìn)行... 

【文章來源】：華北電力大學(xué)河北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

實驗臺

號的快速譜相關(guān)分析故障特征提取為例，通過圖 2-1 的 QPZZ證快速譜相關(guān)方法的有效性。選用型號為 N承外圈切割出寬為 0.2mm、深為 0.1mm 的（2-10）為外圈理論故障特征頻率的公式，圖 2-1 實驗臺

模擬試驗臺對齒輪故障進(jìn)行模擬試驗，該試驗臺采用的是一級減速齒輪箱。齒輪箱的輸入軸為大齒輪，輸出軸為小齒輪。大齒輪的齒數(shù)為 75，轉(zhuǎn)頻為 13.9Hz。小齒輪的齒數(shù)為 55，轉(zhuǎn)頻為 10.2Hz。采樣頻率為 5120Hz，輸入軸轉(zhuǎn)速為 850r/min。圖 2-5 為存在點蝕故障的輸入軸大齒輪，點蝕故障是通過對正常齒輪進(jìn)行電火花處理仿真。計算可得齒輪的點蝕故障特征頻率為 10.2Hz，嚙合頻率為 764.5Hz。圖 2-5 齒輪點蝕故障圖對齒輪點蝕故障信號分別進(jìn)行時域分析和幅值譜分析，如圖 2-6 所示。圖 2-6(b)

【參考文獻(xiàn)】：
期刊論文
[1]強噪源干擾下的滾動軸承復(fù)合故障分離方法研究[J]. 萬書亭,張雄,豆龍江.  中南大學(xué)學(xué)報(自然科學(xué)版). 2018(08)
[2]基于EEMD-Hilbert包絡(luò)譜和DBN的變負(fù)載下滾動軸承狀態(tài)識別方法[J]. 王玉靜,那曉棟,康守強,謝金寶,V I MIKULOVICH.  中國電機工程學(xué)報. 2017(23)
[3]基于時間-小波能量譜樣本熵的滾動軸承智能診斷方法[J]. 鄧飛躍,唐貴基.  振動與沖擊. 2017(09)
[4]基于參數(shù)優(yōu)化MPE與FCM的滾動軸承故障診斷[J]. 陳東寧,張運東,姚成玉,來博文,呂世君.  軸承. 2017(05)
[5]基于改進(jìn)的PSO-SVM的音頻信號特征識別和分類[J]. 張校非,白艷萍.  數(shù)學(xué)的實踐與認(rèn)識. 2017(01)
[6]基于ITD復(fù)雜度和PSO-SVM的滾動軸承故障診斷[J]. 張小龍,張氫,秦仙蓉,孫遠(yuǎn)韜.  振動與沖擊. 2016(24)
[7]滾動軸承復(fù)合故障診斷的自適應(yīng)方法研究[J]. 馬新娜,楊紹普.  振動與沖擊. 2016(10)
[8]應(yīng)用奇異值分解和峭度分離滾動軸承復(fù)合故障[J]. 王宇,鐘雯,尹洋,宋春華,童俊.  西華大學(xué)學(xué)報(自然科學(xué)版). 2016(03)
[9]一種改進(jìn)權(quán)重的非局部均值圖像去噪方法[J]. 黃玲俐.  計算機技術(shù)與發(fā)展. 2016(06)
[10]基于雙時域微弱故障特征增強的軸承早期故障智能識別[J]. 張云強,張培林,王懷光,吳定海.  機械工程學(xué)報. 2016(21)

博士論文
[1]齒輪箱復(fù)合故障診斷特征提取的若干方法研究[D]. 王志堅.太原理工大學(xué) 2015
[2]自適應(yīng)形態(tài)濾波與局域波分解理論及滾動軸承故障診斷[D]. 崔寶珍.中北大學(xué) 2013
[3]基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動軸承故障診斷方法的研究[D]. 楊柳松.東北林業(yè)大學(xué) 2013
[4]滾動軸承振動信號處理及特征提取方法研究[D]. 蘇文勝.大連理工大學(xué) 2010
[5]基于局域均值分解的旋轉(zhuǎn)機械故障特征提取方法及系統(tǒng)研究[D]. 任達(dá)千.浙江大學(xué) 2008
[6]基于循環(huán)平穩(wěn)信號處理的滾動軸承故障診斷方法研究[D]. 周福昌.上海交通大學(xué) 2006

碩士論文
[1]旋轉(zhuǎn)機械故障特征提取方法研究[D]. 龐彬.華北電力大學(xué) 2015
[2]基于經(jīng)驗?zāi)B(tài)分解的滾動軸承故障振動信號消噪研究[D]. 王可.湖南科技大學(xué) 2012
[3]時頻分析方法在齒輪箱故障特征提取中的研究應(yīng)用[D]. 薛松.太原理工大學(xué) 2008
[4]齒輪箱故障特征提取技術(shù)研究[D]. 王艷芳.中北大學(xué) 2007



本文編號：3355671