本文關(guān)鍵詞：基于廣義形態(tài)濾波和集合經(jīng)驗(yàn)?zāi)B(tài)分解的齒輪箱故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著現(xiàn)代科學(xué)技術(shù)和自動(dòng)化程度的不斷提高，齒輪箱作為一種重要的傳輸部件，廣泛應(yīng)用在交通、能源、電力、冶金、化工、航空航天等各個(gè)領(lǐng)域并發(fā)揮著舉足輕重的作用,因此對(duì)于齒輪箱的故障診斷也顯得尤為重要。 本文首先研究了齒輪箱的動(dòng)力學(xué)模型，對(duì)齒輪、滾動(dòng)軸承和軸的的各種故障機(jī)理、故障類型進(jìn)行了詳細(xì)分析，并對(duì)齒輪箱各種故障類型的振動(dòng)信號(hào)特征進(jìn)行了總結(jié)。然后介紹了齒輪箱振動(dòng)信號(hào)傳統(tǒng)的時(shí)域法、頻域法以及時(shí)頻法三大類主要的方法。針對(duì)傳統(tǒng)濾波方法的不足，構(gòu)建了廣義形態(tài)濾波器，，很好的消除了輸出的統(tǒng)計(jì)偏倚的現(xiàn)象。然后介紹了結(jié)構(gòu)元素的種類和選取原則，并通過仿真信號(hào)對(duì)傳統(tǒng)的形態(tài)濾波與廣義形態(tài)濾波效果進(jìn)行了對(duì)比，驗(yàn)證了該方法的有效性。在獲取故障特征頻率過程中，針對(duì)EMD分解中出現(xiàn)的端點(diǎn)效應(yīng)和模態(tài)混疊，分別采用了極值點(diǎn)延拓和集合經(jīng)驗(yàn)?zāi)B(tài)分解(即EEMD分解)來克服以上不足，另外傳統(tǒng)的包絡(luò)譜分析的無法反映細(xì)節(jié)信號(hào)、分辨率不高和能量泄露等問題，采用Hilbert邊際譜，可以有效地解決上述問題，并通過仿真信號(hào)驗(yàn)證了兩種方法結(jié)合的有效性。 Hilbert邊際譜克服了傳統(tǒng)包絡(luò)法需要確定帶通濾波器的中心頻率和帶寬的不足，從而可以實(shí)現(xiàn)故障頻率的準(zhǔn)確定位。但是由于EEMD分解易受噪聲干擾，因此去噪就顯得尤為重要。針對(duì)上述問題，本文將廣義形態(tài)濾波、EEMD分解以及Hilbert邊際譜三種方法結(jié)合起來，首先利用廣義形態(tài)濾波對(duì)故障信號(hào)進(jìn)行濾波，減小噪聲的干擾，然后利用EEMD對(duì)去噪后的信號(hào)分解，針對(duì)分解出的各IMF分量，利用相關(guān)系數(shù)法選擇出合適的IMF分量，從而構(gòu)成局部Hilbert邊際譜。通過對(duì)故障特征頻率進(jìn)行判斷，成功的將軸承的內(nèi)、外環(huán)、保持架以及齒輪磨損和斷齒的故障區(qū)分出來，從而達(dá)到有效區(qū)分齒輪箱中不同部位故障類型的作用。從實(shí)驗(yàn)結(jié)果能夠看出以上三種方法的有效結(jié)合能夠很好的將環(huán)境中不同種類的噪聲進(jìn)行濾除、對(duì)去噪后的信號(hào)進(jìn)行分解并提取齒輪箱信號(hào)特征、診斷出齒輪箱故障類型，所以本文的研究結(jié)果不僅可以在齒輪箱的故障診斷中進(jìn)行應(yīng)用，而且也能夠在其它類似的機(jī)械故障診斷中應(yīng)用，具有較為廣泛的應(yīng)用前景。
【關(guān)鍵詞】：齒輪箱 廣義形態(tài)濾波 集合經(jīng)驗(yàn)?zāi)B(tài)分解 Hilbert邊際譜 故障診斷
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TH165.3
【目錄】：

• 摘要4-5
• Abstract5-9
• 1.緒論9-13
• 1.1 選題背景及研究意義9
• 1.2 齒輪箱故障診斷的國內(nèi)外發(fā)展現(xiàn)狀9-11
• 1.3 本文的研究內(nèi)容11-13
• 2. 齒輪箱故障診斷的機(jī)理13-27
• 2.1 齒輪箱組以及主要的的失效形式13
• 2.2 齒輪箱的動(dòng)力學(xué)模型13-15
• 2.3 齒輪的主要失效形式15-16
• 2.4 軸承的主要失效形式16-18
• 2.5 軸的主要失效形式18-19
• 2.6 故障齒輪箱的振動(dòng)信號(hào)特征19-21
• 2.7 傳統(tǒng)方法的介紹21-25
• 2.8 小結(jié)25-27
• 3. 廣義形態(tài)濾波算法研究27-36
• 3.1 形態(tài)學(xué)理論27-31
• 3.1.1 數(shù)學(xué)形態(tài)學(xué)基本概念27-28
• 3.1.2 數(shù)學(xué)形態(tài)算法在濾波中的表現(xiàn)28-29
• 3.1.3 建立形態(tài)學(xué)濾波器29
• 3.1.4 廣義形態(tài)濾波器29-31
• 3.2 廣義形態(tài)濾波仿真分析31-35
• 3.3 小結(jié)35-36
• 4. 集合經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）算法研究36-44
• 4.1 EMD 分解理論36-38
• 4.1.1 端點(diǎn)效應(yīng)37-38
• 4.1.2 模態(tài)混疊38
• 4.2 EEMD 分解理論38-39
• 4.3 Hilbert 邊際譜39-40
• 4.4 EEMD 和 Hilbert 邊際譜仿真分析40-43
• 4.5 小結(jié)43-44
• 5. 廣義形態(tài)濾波和 EEMD 相結(jié)合的齒輪箱故障診斷方法44-64
• 5.1 齒輪箱故障診斷流程44-45
• 5.2 實(shí)驗(yàn)原理及過程45-49
• 5.2.1 實(shí)驗(yàn)裝置45-47
• 5.2.2 傳感器測點(diǎn)的選擇及的安裝47-48
• 5.2.3 實(shí)驗(yàn)設(shè)備48
• 5.2.4 測試系統(tǒng)48-49
• 5.3 實(shí)測故障信號(hào)的分析49-63
• 5.3.1 軸承內(nèi)環(huán)49-53
• 5.3.2 軸承外環(huán)53-55
• 5.3.3 保持架55-57
• 5.3.4 齒輪磨損57-60
• 5.3.5 齒輪斷齒60-63
• 5.4 小結(jié)63-64
• 6. 總結(jié)與展望64-65
• 參考文獻(xiàn)65-70
• 致謝70-71
• 攻讀碩士期間發(fā)表的論文及所取得的研究成果71-72

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 章立軍;徐金梧;陽建宏;楊德斌;;自適應(yīng)多尺度形態(tài)學(xué)分析及其在軸承故障診斷中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);2008年04期

2 陳侃;傅攀;謝輝;;倒頻譜分析在滾動(dòng)軸承故障監(jiān)測中的運(yùn)用[J];四川兵工學(xué)報(bào);2008年01期

3 石景林;;工程機(jī)械故障診斷方法綜述[J];工程機(jī)械與維修;2010年12期

4 何敏;張志利;劉輝;趙鍇;張永鑫;;故障診斷技術(shù)方法綜述[J];國外電子測量技術(shù);2006年05期

5 殷婕;龔曉峰;武瑞娟;馮霞;;基于圖像處理的跳頻信號(hào)參數(shù)估計(jì)[J];電子技術(shù)應(yīng)用;2013年01期

6 于德介,程軍圣;EMD方法在齒輪故障診斷中的應(yīng)用[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年06期

7 余建青;臧觀建;謝世坤;李強(qiáng)征;;旋轉(zhuǎn)機(jī)械故障診斷中的信號(hào)處理技術(shù)綜述[J];機(jī)床與液壓;2011年24期

8 胡勁松;楊世錫;;EMD方法基于徑向基神經(jīng)網(wǎng)絡(luò)預(yù)測的數(shù)據(jù)延拓與應(yīng)用[J];機(jī)械強(qiáng)度;2007年06期

9 章立軍;楊德斌;徐金梧;陳志新;;基于數(shù)學(xué)形態(tài)濾波的齒輪故障特征提取方法[J];機(jī)械工程學(xué)報(bào);2007年02期

10 胡愛軍;安連鎖;唐貴基;;HILBERT-HUANG變換端點(diǎn)效應(yīng)處理新方法[J];機(jī)械工程學(xué)報(bào);2008年04期

  本文關(guān)鍵詞：基于廣義形態(tài)濾波和集合經(jīng)驗(yàn)?zāi)B(tài)分解的齒輪箱故障診斷，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：403223