【摘要】：機械故障診斷包括信號測量、特征提取、狀態(tài)診斷和狀態(tài)分析四個步驟,其中最關(guān)鍵的問題是故障信號的特征提取。旋轉(zhuǎn)機械在機械設(shè)備中數(shù)量最多應(yīng)用最廣,是設(shè)備狀態(tài)監(jiān)測與故障診斷的重點。本文以齒輪箱傳動系統(tǒng)為研究對象,研究齒輪和軸承故障信號特征提取的新理論與新方法,主要完成以下研究工作: 1.研究了齒輪箱各部件典型故障所產(chǎn)生的振動信號的特征,建立了齒輪與滾動軸承振動信號的數(shù)學(xué)模型;分析了齒輪箱典型故障所產(chǎn)生的振動對位移、速度、加速度及高階加速度信號的不同影響;建立了齒輪箱系統(tǒng)的實驗裝置;研究并改進了時域平均技術(shù),并利用該方法把各個齒輪的振動信號從齒輪箱總的振動信號中提取出來,實現(xiàn)齒輪振動信號的分離。研究了應(yīng)用包絡(luò)細化解調(diào)技術(shù)、倒頻譜分析技術(shù)等方法提取齒輪與滾動軸承故障特征信息的優(yōu)缺點。 2.討論了小波基函數(shù)選取對信號特征提取的影響,提出一種基于復(fù)Morlet小波和連續(xù)小波變換的包絡(luò)檢波新算法。新方法用傅立葉變換快捷計算小波變換系數(shù),得到能夠反映信號全貌的尺度包絡(luò)譜,通過該包絡(luò)譜能夠很容易的確定是否存在瞬時沖擊及沖擊信號所在頻帶。該分析過程在全頻帶內(nèi)自動進行,無須先驗知識與人工干預(yù),便于利用計算機進行故障自動識別。 3.詳細論述了基于小波變換的奇異性檢測理論,重點研究了基于B樣條二進小波變換及其快速算法—多孔算法,以及基于小波變換模極大值理論的信號奇異性檢測方法。根據(jù)信號和噪聲模極大值的尺度變換特性,提出了利用相鄰兩級細節(jié)信號的乘積作為檢測信號求解多尺度模極大值分布圖的方法,新方法根據(jù)模極大值的位置實現(xiàn)信號奇異點的精確定位,達到增強信號和抑制噪聲的目的。并把該方法成功的應(yīng)用于滾動軸承故障信號奇異性的檢測,為設(shè)備故障診斷提供了一種新的方法。 4.研究了非線性時間-頻率分布在故障特征提取中的應(yīng)用。針對復(fù)雜機械故障產(chǎn)生的異常瞬時振動信號探測,提出一種新的無混疊雙線性時間-頻率分布方法,給出了新的時頻變換核函數(shù),新方法能夠避免常用的雙線性時頻分布中的頻率混疊與信息丟失,
【圖文】：

()000jffjffjffPeeeπππ 最后得到時域同步平均系統(tǒng)的幅頻、相頻特性分別為0sinsinfffPPππ01()fH f= (20φ ( f )= π(P 1)f/f(2帶通濾波器的中心頻率是旋轉(zhuǎn)頻率 的整倍數(shù)，即0f (0,1,2,3)0kf k= ；通常()10H kf=，半功率帶寬近似等于 f /P。在平均次數(shù)0P 很大時，通帶寬度變得很因此時域同步平均能有效提取與旋轉(zhuǎn)頻率相關(guān)的周期信號，消除噪聲及非相關(guān)信若選擇適當?shù)木涂梢赃_到提取相應(yīng)信號，，排除干擾的目的。0f

中北大學(xué)學(xué)位論文圖2.5(a) 加速度信號的時域平均圖 2.5(b)位移信號圖 2.5b. 車輛傳動系統(tǒng)齒輪箱故障檢測齒輪箱的測試是在強載荷情況下進行的。一個傘齒輪的一個齒根部出現(xiàn)疲勞裂紋，并沿齒長發(fā)展。圖 2.6(a) 為疲勞裂紋剛出現(xiàn)時加速度信號的時域平均。齒輪共有 22齒，但時域平均的主控成份為嚙合頻率的 4 次諧波(88 次)，這可能與加速度計在齒輪箱上的安裝 6(b)是從加速度時域平均中去掉嚙合振動后的旋轉(zhuǎn)加速度信號，從幅度突變可清楚的看到 270 度附近有損壞。加速度旋轉(zhuǎn)誤差的四階矩(峭度)為6.0，而未損壞齒輪的峭度大約為 3.0。加速度的一階導(dǎo)數(shù)(jerk) 對齒輪局部損壞比較敏感。圖 2.6(c)為從加速度時域平均得到的加速度的一階導(dǎo)數(shù)。與圖 2.6 (b)比較可以看到，在 270 度幅度有明顯的增大。峭度值變?yōu)?6.4，證明加速度的一階導(dǎo)數(shù)對早期故方法有關(guān)。圖 2.圖 2.5(c)
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2005
【分類號】：TH17

【引證文獻】

相關(guān)期刊論文 前3條

1 黃晉英;潘宏俠;畢世華;楊喜旺;;基于盲信號處理的傳動箱狀態(tài)監(jiān)測與故障診斷[J];彈箭與制導(dǎo)學(xué)報;2006年02期

2 傅勤毅;熊施園;;基于高斯諧波小波的齒輪箱故障診斷[J];鐵道科學(xué)與工程學(xué)報;2013年04期

3 張照煌;丁顯;劉曼;曾菊瑛;;基于小波變換的風電機組傳動系統(tǒng)故障診斷與分析[J];應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報;2011年S1期

相關(guān)博士學(xué)位論文 前8條

1 趙玲;旋轉(zhuǎn)機械系統(tǒng)故障特征提取中的分形方法研究[D];重慶大學(xué);2010年

2 趙慧敏;柴油機非穩(wěn)態(tài)振動信號分析與智能故障診斷研究[D];天津大學(xué);2010年

3 程發(fā)斌;面向機械故障特征提取的混合時頻分析方法研究[D];重慶大學(xué);2007年

4 楊先勇;基于信號局部特征提取的機械故障診斷方法研究[D];浙江大學(xué);2009年

5 史麗晨;基于故障機理分析的往復(fù)式活塞隔膜泵狀態(tài)監(jiān)測與故障診斷技術(shù)的研究[D];西安建筑科技大學(xué);2009年

6 慕昱;基于數(shù)據(jù)挖掘的核電站故障診斷技術(shù)研究[D];哈爾濱工程大學(xué);2011年

7 周曉峰;機械振動源的分離和識別方法研究[D];浙江大學(xué);2012年

8 劉小平;提升機故障智能診斷理論及應(yīng)用[D];中國礦業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 李會臣;基于時頻分析的齒輪故障機理及診斷研究[D];鄭州大學(xué);2010年

2 王曉斌;基于粒子濾波的齒輪箱故障診斷研究[D];中北大學(xué);2011年

3 馬航;齒輪箱故障診斷中粒子濾波技術(shù)的應(yīng)用[D];中北大學(xué);2011年

4 崔小超;球磨機傳動系統(tǒng)狀態(tài)檢測與振動分析[D];遼寧科技大學(xué);2012年

5 潘飛;虛擬式一體化齒輪箱故障診斷儀的研究[D];重慶大學(xué);2007年

6 屈峰;汽車發(fā)動機故障診斷方法研究[D];大慶石油學(xué)院;2007年

7 薛松;時頻分析方法在齒輪箱故障特征提取中的研究應(yīng)用[D];太原理工大學(xué);2008年

8 王業(yè)堅;煙機狀態(tài)監(jiān)測與葉片結(jié)垢分析研究[D];大慶石油學(xué)院;2008年

9 孫志輝;基于Hilbert譜特征提取的智能識別方法研究與應(yīng)用[D];大連理工大學(xué);2009年

10 于明月;第二代小波變換在旋轉(zhuǎn)機械故障診斷中的應(yīng)用研究[D];南京航空航天大學(xué);2008年

本文編號：2645152