針對(duì)齒輪箱故障信號(hào)的非線(xiàn)性和非平穩(wěn)性特征,提出基于集合經(jīng)驗(yàn)?zāi)B(tài)分解（Ensemble Empirical Mode Decomposition,EEMD）、關(guān)聯(lián)維數(shù)和支持向量機(jī)（Support Vector Machine,SVM）的故障診斷方法。將美國(guó)國(guó)家可再生能源實(shí)驗(yàn)室（National Renewable Energy Laboratory,NREL）"Gearbox Reliability Collaborative（GRC）"項(xiàng)目進(jìn)行測(cè)試獲得振動(dòng)信號(hào)數(shù)據(jù),通過(guò)EEMD進(jìn)行分解得到本征模態(tài)函數(shù)（Intrinsic Mode Function,IMF）分量,采用G-P算法求取各組本征模態(tài)函數(shù)分量的關(guān)聯(lián)維數(shù),將各組關(guān)聯(lián)維數(shù)輸入SVM中進(jìn)行故障識(shí)別及分類(lèi)。結(jié)果表明:振動(dòng)信號(hào)的關(guān)聯(lián)維數(shù)與嵌入維數(shù)呈正相關(guān),且正常信號(hào)和故障信號(hào)的關(guān)聯(lián)維數(shù)區(qū)分度不明顯,通過(guò)SVM能對(duì)其進(jìn)行精確識(shí)別和分類(lèi)。該方法能有效提取系統(tǒng)故障非線(xiàn)性特征,比傳統(tǒng)的基于統(tǒng)計(jì)參數(shù)的故障診斷方法具有更高的診斷精度,準(zhǔn)確率高達(dá)100%。 

【文章來(lái)源】：熱能動(dòng)力工程. 2020,35(08)北大核心CSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

故障診斷流程

所測(cè)試齒輪箱安裝于NREL實(shí)驗(yàn)風(fēng)場(chǎng)內(nèi),在運(yùn)行期間發(fā)生油損事故。之后,NREL將其拆卸,在實(shí)驗(yàn)室條件下分別采集其故障信號(hào)和正常信號(hào)振動(dòng)加速度數(shù)據(jù)。箱體上共布置8個(gè)傳感器,如圖2所示。采用AN8號(hào)傳感器采集信號(hào),AN8傳感器位于高速齒輪下方軸承處,此處在損壞齒輪附近,振動(dòng)較為強(qiáng)烈,信號(hào)所含信息更為豐富。采樣頻率為40 kHz。

圖3(a)和圖3(b)分別為AN8傳感器采集齒輪正常和故障狀態(tài)下的加速度振動(dòng)信號(hào)。從圖中可見(jiàn),振動(dòng)信號(hào)時(shí)域波動(dòng)呈無(wú)序且混亂狀態(tài),無(wú)法直接判斷故障發(fā)生與否。將故障和正常加速度振動(dòng)信號(hào)分成300個(gè)樣本,對(duì)各個(gè)樣本進(jìn)行EEMD分解,得到一系列IMF分量。圖4為某一故障信號(hào)樣本EEMD分解結(jié)果,包含9個(gè)IMF分量及1個(gè)殘差分量,其中前5個(gè)IMF蘊(yùn)含了樣本信號(hào)絕大多數(shù)信息。

【參考文獻(xiàn)】：
期刊論文
[1]基于關(guān)聯(lián)維數(shù)和線(xiàn)段聚類(lèi)的滾動(dòng)軸承故障診斷[J]. 孟宗,邢婷婷,張圓圓,周明軍,殷娜.  計(jì)量學(xué)報(bào). 2019(01)
[2]風(fēng)速時(shí)間序列非線(xiàn)性特征分析[J]. 袁全勇,李春,楊陽(yáng),葉柯華.  熱能動(dòng)力工程. 2018(08)
[3]基于經(jīng)驗(yàn)?zāi)B(tài)分解、多尺度熵算法和支持向量機(jī)的滾動(dòng)軸承故障診斷方法[J]. 張文哲,張為民,林文波.  機(jī)械制造. 2018(04)
[4]基于EEMD和能量算子的風(fēng)機(jī)軸承故障診斷[J]. 齊詠生,張二寧,高勝利,高學(xué)金,王普.  控制工程. 2017(12)
[5]行星齒輪箱振動(dòng)信號(hào)特征提取新方法[J]. 李偉,王付廣,劉聰,徐培民.  噪聲與振動(dòng)控制. 2017(06)
[6]大型風(fēng)力發(fā)電機(jī)組故障診斷綜述[J]. 曾軍,陳艷峰,楊蘋(píng),郭紅霞.  電網(wǎng)技術(shù). 2018(03)
[7]基于EEMD云模型與SVM的汽輪機(jī)轉(zhuǎn)子故障診斷方法[J]. 田松峰,胥佳瑞,王美俊,韓強(qiáng).  熱力發(fā)電. 2017(04)
[8]基于EEMD和模糊BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷[J]. 張國(guó)銀,王雪,王海瑞,郝家驥,宋怡然.  化工自動(dòng)化及儀表. 2017(01)
[9]風(fēng)力發(fā)電機(jī)組中齒輪箱的故障診斷分析[J]. 王志遠(yuǎn).  通訊世界. 2016(06)
[10]基于混沌分形理論的滾動(dòng)軸承微小故障診斷[J]. 張忠云,吳建德,馬軍,王曉東.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)

博士論文
[1]分形維數(shù)特性分析及故障診斷分形方法研究[D]. 郝研.天津大學(xué) 2012



本文編號(hào)：3296981