發(fā)布時間：2017-05-31 12:08

  本文關鍵詞：基于EMD的齒輪故障診斷技術研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：齒輪傳動是機械傳動的主要形式。作為機械設備必不可少的基礎件,它的質量及性能決定著整臺機器的性能指標,它的健康狀態(tài)對設備的運轉起著重要的作用。齒輪如果失效,將會引起整臺機器的失效。基于此,本文將對齒輪的故障特征提取技術進行改進以實現齒輪的故障診斷研究。傳統(tǒng)的診斷方法對于非平穩(wěn)振動信號的分析效果不太明顯。經驗模態(tài)分解(Empirical Mode Decomposition,簡稱EMD)方法是把復雜的振動信號分解為有限個本征模函數(Intrinsic Mode Function,簡稱IMF)之和,得到的本征模函數包含真實的物理信息,而且都是平穩(wěn)的,該方法能夠實現通過頻域的分析,得到故障特征信號。針對傳統(tǒng)的濾波去噪方法的不足,本文采用經驗模態(tài)分解法對數據信號在預處理階段進行去噪處理,該方法可有效消除噪聲干擾。本文針對齒輪故障進行診斷研究,采用基于經驗模態(tài)分解的方法對采集到的振動信號進行處理,實現故障診斷。針對經驗模態(tài)分解過程中由于利用三次樣條插值法構造包絡線而引起的端點效應問題,本文通過對周期延拓法、極值點對稱延拓法和鏡像延拓法的研究,分析抑制端點效應的效果。本文提出基于經驗模態(tài)分解和自適應濾波分解(Adaptive Filtering Decomposition,簡稱AFD)的方法進行故障特征提取,既可利用經驗模態(tài)分解法使非平穩(wěn)信號平穩(wěn)化的優(yōu)點,也可利用自適應濾波分解法簡單、可改善邊界擺動的特點。最后,采用QPZZ—Ⅱ旋轉機械振動模擬實驗平臺,通過更換有缺陷的齒輪,分別實現齒輪的斷齒故障、裂紋故障和磨損故障,對本文提出的方法進行驗證。試驗結果表明,本文方法能夠有效地提取故障特征,實現齒輪的故障診斷。
【關鍵詞】：齒輪 特征提取 故障診斷 經驗模態(tài)分解 自適應濾波分解
【學位授予單位】：東北石油大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TH132.41
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-12
• 1.1 齒輪故障診斷的背景及意義8-9
• 1.2 齒輪故障診斷的發(fā)展及研究現狀9-10
• 1.3 本文主要研究內容10-12
• 第二章 齒輪故障機理及常用振動檢測分析方法12-26
• 2.1 齒輪的典型故障形式及振動信號特征12-16
• 2.1.1 齒輪斷裂12-13
• 2.1.2 齒面磨損13-14
• 2.1.3 齒面疲勞14
• 2.1.4 齒面塑性變形14-15
• 2.1.5 齒面膠合15-16
• 2.2 齒輪的振動機理16-17
• 2.2.1 基本參數及固有特性16-17
• 2.2.2 噪聲產生機理17
• 2.3 齒輪的振動特征17-20
• 2.3.1 嚙合頻率及各次諧波17-18
• 2.3.2 調制現象及邊頻帶18-19
• 2.3.3 齒輪故障的頻譜特征19-20
• 2.3.4 其它成分20
• 2.4 常用振動檢測方法20-25
• 2.4.1 時域分析法20-22
• 2.4.2 頻域分析法22-23
• 2.4.3 倒頻譜分析23
• 2.4.4 時頻分析法23-25
• 2.5 本章小結25-26
• 第三章 EMD方法研究26-35
• 3.1 EMD的基本概念26-28
• 3.1.1 瞬時頻率26-27
• 3.1.2 本征模函數27-28
• 3.2 EMD的基本原理28-34
• 3.2.1 三次樣條插值法28-29
• 3.2.2 EMD算法原理29-31
• 3.2.3 EMD的性質31-32
• 3.2.4 Hilbert-Huang基本理論32-34
• 3.3 本章小結34-35
• 第四章 基于EMD的去噪和端點問題的處理35-42
• 4.1 去噪預處理35-37
• 4.1.1 傳統(tǒng)FFT濾波去噪方法35
• 4.1.2 EMD的去噪方法35-37
• 4.1.3 實驗對比分析37
• 4.2 端點效應原理37-38
• 4.3 端點效應處理方法38-41
• 4.3.1 信號序列周期延拓38-39
• 4.3.2 極值點對稱延拓39-40
• 4.3.3 鏡像延拓40-41
• 4.4 本章小結41-42
• 第五章 基于EMD的齒輪故障診斷實驗分析42-54
• 5.1 EMD-AFD算法分析42-45
• 5.1.1 AFD算法描述42-43
• 5.1.2 AFD自適應收斂性43-44
• 5.1.3 EMD-AFD算法原理44-45
• 5.2 故障模擬實驗平臺45-46
• 5.3 基于EMD-AFD算法的齒輪故障診斷分析46-53
• 5.3.1 正常信號分析47-48
• 5.3.2 斷齒故障診斷分析48-50
• 5.3.3 裂紋故障診斷分析50-51
• 5.3.4 磨損故障診斷分析51-53
• 5.4 本章小結53-54
• 結論54-55
• 參考文獻55-58
• 發(fā)表文章目錄58-59
• 致謝59-60

【相似文獻】

中國期刊全文數據庫 前10條

1 宋立新;王祁;王玉靜;梁X;;具有間斷事件檢測和分離的經驗模態(tài)分解方法[J];哈爾濱工程大學學報;2007年02期

2 劉小峰;秦樹人;柏林;;基于小波包的經驗模態(tài)分解法的研究及應用[J];中國機械工程;2007年10期

3 楊智春;譚光輝;;一種基于樣條插值的經驗模態(tài)分解改進算法[J];西北工業(yè)大學學報;2007年05期

4 張西良;萬學功;李萍萍;張建;徐云峰;;動態(tài)稱量經驗模態(tài)分解數據處理方法[J];江蘇大學學報(自然科學版);2008年06期

5 周志峰;蔡萍;;基于經驗模態(tài)分解的汽車軸重估計(英文)[J];Journal of Shanghai University(English Edition);2008年01期

6 李洪;郝豪豪;孫云蓮;;具有獨立分量的經驗模態(tài)分解算法研究[J];哈爾濱工業(yè)大學學報;2009年07期

7 林玉榮;王強;;基于一維經驗模態(tài)分解的圖像細節(jié)提取方法[J];吉林大學學報(工學版);2011年06期

8 盧珍;;關于經驗模態(tài)分解與整體經驗模態(tài)分解的分離效果差別的探討[J];科學技術與工程;2011年33期

9 鐘佑明;趙強;周建庭;;實時經驗模態(tài)分解的實現方法[J];振動.測試與診斷;2012年01期

10 劉海波;趙宇凌;;集合經驗模態(tài)分解的穩(wěn)健濾波方法研究[J];振動與沖擊;2013年08期

中國重要會議論文全文數據庫 前10條

1 秦毅;秦樹人;毛永芳;;正交經驗模態(tài)分解及其快速實現[A];第九屆全國振動理論及應用學術會議論文摘要集[C];2007年

2 秦毅;秦樹人;毛永芳;;正交經驗模態(tài)分解及其快速實現[A];第九屆全國振動理論及應用學術會議論文集[C];2007年

3 楊永鋒;;經驗模態(tài)分解與非線性分析的協(xié)同研究[A];第四屆全國動力學與控制青年學者研討會論文摘要集[C];2010年

4 侯文文;鄒俊忠;劉未來;;基于經驗模態(tài)分解的眼電偽差去除研究[A];上海市化學化工學會2010年度學術年會論文集（自動化專題）[C];2010年

5 李關防;許春雷;惠俊英;;基于經驗模態(tài)分解的特征提取算法研究[A];中國造船工程學會電子技術學術委員會2011年海戰(zhàn)場電子信息技術學術年會論文集[C];2011年

6 薛志宏;李廣云;周蓉;;一種基于經驗模態(tài)分解的信號降噪方法[A];全國工程測量2012技術研討交流會論文集[C];2012年

7 張飛漣;劉嚴萍;;經驗模態(tài)分解與神經網絡方法在降水預測領域的應用研究[A];中國系統(tǒng)工程學會第十八屆學術年會論文集——A01系統(tǒng)工程[C];2014年

8 康春玉;章新華;;一種基于經驗模態(tài)分解的信號降噪方法[A];中國聲學學會2007年青年學術會議論文集（下）[C];2007年

9 辛鵬;辛雷;蔡國偉;李曉琦;;一種基于經驗模態(tài)分解與支持向量機的電力系統(tǒng)短期負荷預測新方法[A];第十一屆全國電工數學學術年會論文集[C];2007年

10 郝文峰;駱英;顧建祖;;基于經驗模態(tài)分解-支持向量機的玻璃幕墻開膠損傷預測研究[A];中國力學學會學術大會'2009論文摘要集[C];2009年

中國博士學位論文全文數據庫 前9條

1 葛光濤;二維經驗模態(tài)分解研究及其在圖像處理中的應用[D];哈爾濱工程大學;2009年

2 孫暉;經驗模態(tài)分解理論與應用研究[D];浙江大學;2005年

3 張繼紅;經驗模態(tài)分解及徑向基函數的一些應用研究[D];大連理工大學;2012年

4 熊衛(wèi)華;經驗模態(tài)分解方法及其在變壓器狀態(tài)監(jiān)測中的應用研究[D];浙江大學;2006年

5 楊賢昭;基于經驗模態(tài)分解的故障診斷方法研究[D];武漢科技大學;2012年

6 高靜;經驗模態(tài)分解的改進方法及應用研究[D];北京理工大學;2014年

7 陳志剛;經驗模態(tài)分解與Savitzky-Golay方法的自適應遙感影像融合[D];華東師范大學;2010年

8 周義;快速二維經驗模態(tài)分解和相位追蹤方法及其在導波無損檢測中的應用[D];上海交通大學;2014年

9 石志曉;時頻聯合分析方法在參數識別中的應用[D];大連理工大學;2005年

中國碩士學位論文全文數據庫 前10條

1 史玉君;基于經驗模態(tài)分解的眼電偽跡去除方法的研究[D];蘭州大學;2015年

2 梁江海;基于經驗模態(tài)分解的通信信號細微特征分析[D];國防科學技術大學;2013年

3 趙強;基于EMD的齒輪故障診斷技術研究[D];東北石油大學;2015年

4 楊彩紅;基于折線包絡的經驗模態(tài)分解方法及其應用[D];天津大學;2007年

5 付曉波;經驗模態(tài)分解法理論研究與應用[D];太原理工大學;2013年

6 郭一粟;基于經驗模態(tài)分解的動平衡測量系統(tǒng)信號處理方法研究[D];吉林大學;2015年

7 封學真;經驗模態(tài)分解濾波在圓度評定中的研究[D];西安電子科技大學;2014年

8 徐雙;經驗模態(tài)分解理論研究及其在艦船輻射噪聲線譜分析中的應用[D];昆明理工大學;2010年

9 黃晟;基于經驗模態(tài)分解的紅外小目標檢測算法研究[D];華中科技大學;2013年

10 景蓓蓓;基于微分的經驗模態(tài)分解及其在多重轉子故障分析中的應用[D];上海交通大學;2009年

  本文關鍵詞：基于EMD的齒輪故障診斷技術研究，由筆耕文化傳播整理發(fā)布。

本文編號：409421