發(fā)布時間：2017-08-31 00:26

  本文關(guān)鍵詞：齒輪箱故障診斷的小波包-ICA分析方法

  更多相關(guān)文章： 齒輪箱 故障診斷 獨(dú)立分量分析 小波包 支持向量機(jī)

【摘要】：齒輪箱是旋轉(zhuǎn)機(jī)械裝備中最為常見的傳動裝置之一,其運(yùn)行狀態(tài)對整個裝備的運(yùn)行效率、操作效果和工作壽命至關(guān)重要。一旦齒輪箱發(fā)生故障,將會導(dǎo)致不可預(yù)知的后果。齒輪箱振動信號中包含豐富的齒輪箱故障信息,但由于早期齒輪箱故障信號比較微弱,容易被外界噪聲和其他部件的振動信號淹沒,因此,從齒輪箱振動信號中準(zhǔn)確地提取出故障信息,對于齒輪箱故障診斷具有重要的意義。本文以齒輪箱中齒輪元件的故障為研究對象,采用小波包和ICA分析方法從齒輪箱振動信號中提取出齒輪故障信息,主要工作有：(1)結(jié)合齒輪箱振動信號的特點,采用了一種針對超高斯信號的ICA改進(jìn)算法,可用于齒輪箱振動信號中包含了超高斯故障信號的診斷分離。經(jīng)過仿真分析,該方法效果很好。(2)提出了一種用于齒輪箱故障診斷的小波包-ICA分析方法。該方法首先采用小波包分析技術(shù)對原始振動信號進(jìn)行降噪預(yù)處理,然后對預(yù)處理后的振動信號采用改進(jìn)ICA方法分離出包含齒輪運(yùn)行狀態(tài)的齒輪振動信號。再對分離出的振動信號進(jìn)行小波包包絡(luò)譜分析。當(dāng)檢測到有故障發(fā)生時,利用小波包頻帶分解技術(shù)得到不同頻帶上信號能量的特征值。最后利用SVM對這些能量特征值進(jìn)行分類,實現(xiàn)對齒輪故障的分類診斷。(3)利用齒輪箱故障診斷實驗平臺獲取的原始振動信號,通過matlab平臺實現(xiàn)上述基于小波包-ICA的故障診斷與分離算法。經(jīng)過比較分析,驗證了本文方法的有效性,為齒輪箱故障診斷提供了一種有效的診斷方式。
【關(guān)鍵詞】：齒輪箱 故障診斷 獨(dú)立分量分析 小波包 支持向量機(jī)
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH165.3;TH132.41
【目錄】：

• 摘要3-4
• Abstract4-7
• 1 緒論7-15
• 1.1 齒輪箱故障診斷的研究意義7-8
• 1.2 相關(guān)領(lǐng)域的國內(nèi)外研究現(xiàn)狀8-13
• 1.2.1 齒輪箱故障診斷常用方法研究現(xiàn)狀8-9
• 1.2.2 齒輪箱振動信號分析方法的研究現(xiàn)狀9-10
• 1.2.3 小波分析在齒輪箱故障診斷中的研究現(xiàn)狀10-11
• 1.2.4 Hilbert-Huang變換方法及用于齒輪箱故障診斷的現(xiàn)狀11-12
• 1.2.5 獨(dú)立分量分析方法及在故障診斷中的研究現(xiàn)狀12-13
• 1.3 論文研究的主要內(nèi)容13-15
• 1.3.1 本論文的研究對象13
• 1.3.2 本論文的主要工作13-15
• 2 齒輪故障機(jī)理分析15-20
• 2.1 齒輪的主要振動類型15-17
• 2.2 齒輪的振動頻率特征17-18
• 2.3 齒輪的主要失效形式18-19
• 2.4 本章小結(jié)19-20
• 3 小波包與ICA分析算法及其仿真研究20-38
• 3.1 小波包分析方法20-27
• 3.1.1 Mallat算法20-21
• 3.1.2 小波包的定義與空間剖分21-23
• 3.1.3 小波包分解23-24
• 3.1.4 小波包分解與重構(gòu)24-25
• 3.1.5 基于小波包的信號消噪25-27
• 3.2 ICA理論及其實現(xiàn)算法27-37
• 3.2.1 ICA的基本模型27
• 3.2.2 ICA問題的假設(shè)條件與性質(zhì)27-28
• 3.2.3 性能評價標(biāo)準(zhǔn)28-29
• 3.2.4 預(yù)處理過程29-30
• 3.2.5 獨(dú)立分量分析的算法30-31
• 3.2.6 FastICA算法31-33
• 3.2.7 一種改進(jìn)的FastICA算法~[75]33-36
• 3.2.8 簡單信號盲源分離仿真36-37
• 3.3 本章小結(jié)37-38
• 4 基于小波包與ICA相結(jié)合的齒輪箱故障診斷方法38-60
• 4.1 齒輪箱故障診斷實驗平臺38-40
• 4.2 基于小波包絡(luò)譜與ICA相結(jié)合的故障特征提取40-55
• 4.2.1 信號的降噪處理40-42
• 4.2.2 ICA預(yù)處理42-45
• 4.2.3 小波包故障特征提取45-55
• 4.3 基于支持向量機(jī)的故障分類55-59
• 4.4 本章小結(jié)59-60
• 5 總結(jié)與展望60-62
• 5.1 總結(jié)60-61
• 5.2 展望61-62
• 致謝62-63
• 參考文獻(xiàn)63-68
• 附錄68

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馮偉;賀石中;;摩擦學(xué)系統(tǒng)特征信息關(guān)系的試驗研究[J];工程設(shè)計學(xué)報;2011年04期

2 羅艷芳,王克明;小波包分析在內(nèi)燃機(jī)車靜液壓齒輪箱故障診斷中的應(yīng)用[J];沈陽航空工業(yè)學(xué)院學(xué)報;2003年01期

3 高經(jīng)緯;姜樂華;張培林;任國全;;基于油液和振動信息融合的自行火炮齒輪箱故障診斷方法[J];火炮發(fā)射與控制學(xué)報;2008年04期

4 崔曉靜;黃晉英;;FASTICA算法在齒輪箱故障中的研究[J];煤礦機(jī)械;2011年01期

5 宋飛;潘宏俠;黃晉英;;基于HHT的齒輪箱復(fù)合故障診斷研究[J];煤炭技術(shù);2010年12期

6 張睿;黃晉英;張永梅;;ICA算法及其在齒輪箱故障診斷中的應(yīng)用[J];礦山機(jī)械;2013年05期

7 王細(xì)洋;胡貴鋒;;基于FastICA算法的齒輪箱故障診斷方法[J];南昌航空大學(xué)學(xué)報(自然科學(xué)版);2013年01期

8 羅毅;甄立敬;;基于小波包與PCA遺傳神經(jīng)網(wǎng)絡(luò)相結(jié)合的齒輪箱故障診斷方法[J];化工自動化及儀表;2014年02期

9 馬斌;陳俊杰;;腦圖像數(shù)據(jù)中的獨(dú)立分量分析方法[J];計算機(jī)工程;2014年03期

10 沈希忠,史習(xí)智,杜海平,張亮;基于時域統(tǒng)計平均預(yù)處理的RBF網(wǎng)絡(luò)發(fā)動機(jī)氣缸壓力識別方法[J];上海交通大學(xué)學(xué)報;2003年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李暉暉;多傳感器圖像融合算法研究[D];西北工業(yè)大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 黃超勇;基于粒子群優(yōu)化支持向量機(jī)決策樹的齒輪箱故障診斷方法[D];太原理工大學(xué);2012年

，

本文編號：762390