齒輪箱是機械設(shè)備中傳遞動力和旋轉(zhuǎn)運動的最重要部件，為了保證齒輪箱能在高效率、高精度、高載荷條件下連續(xù)正常工作，對齒輪箱故障的分析與研究變得越來越重要。 提取故障特征信息是齒輪箱故障診斷的關(guān)鍵，而信號處理是特征提取的最常用方法之一，由于齒輪箱振動信號的采集比較方便且能很好的表征出故障特征信息，因此，本文將主要分析與處理在齒輪箱旋轉(zhuǎn)過程中獲取的振動信號。 實驗中采集到的振動信號成分復(fù)雜且有較強的非平穩(wěn)性，使信號的特征被湮沒掉，造成信號分析的不準確。本論文利用基于遺傳算法優(yōu)化的匹配追蹤（GAMP）算法對振動信號消噪，對比不同次數(shù)分解所需的計算時間，以及分解得到的重構(gòu)信號與原始信號的均方誤差和信噪比，找到了比較合適的分解次數(shù)，達到了很好的消噪效果。由于匹配追蹤（MP）算法是以具有簡諧振動和雙面指數(shù)衰減振動特點的高斯函數(shù)作為基函數(shù)來對信號進行線性展開，對于消噪后的信號可能存在虛假頻率成分或一些不連續(xù)分量，本文利用總體平均經(jīng)驗?zāi)Ｊ椒纸猓‥EMD）方法來剔除這些虛假的頻率成分，針對分解過程中可能出現(xiàn)的端點效應(yīng)，提出通過相關(guān)度從所有的IMF中選取反映故障特征敏感的IMF，剔除掉信號中的虛假頻率成分，提取出特征頻率。 本文研究中用到的實驗平臺是由電動機、兩臺齒輪箱、渦流制動器通過聯(lián)軸器連接的一套傳動系統(tǒng)，在齒輪箱上預(yù)先設(shè)定了齒面磨損、軸承外圈、滾動體以及保持架故障，通過數(shù)據(jù)采集系統(tǒng)獲取不同狀態(tài)工況下的齒輪箱振動信號。首先，采用基于遺傳算法優(yōu)化的MP算法對這些振動信號進行消噪處理，很好的鎖定了信號的局部特征，然后通過EEMD分解剔除包含在消噪后信號中的虛假頻率成分，在時頻域提取出了故障頻率，最后提取出GAMP消噪和EEMD分解重構(gòu)信號的時域和頻域特征值，通過支持向量機分類，達到了很好的診斷效果。
【學(xué)位單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2014
【中圖分類】：TH165.3
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 本論文的選題依據(jù)與意義
    1.2 齒輪箱故障診斷的技術(shù)手段和發(fā)展現(xiàn)狀
        1.2.1 齒輪箱故障診斷的技術(shù)手段
        1.2.2 齒輪箱故障診斷的發(fā)展現(xiàn)狀
    1.3 EEMD 方法和 MP 算法的研究現(xiàn)狀
    1.4 本論文的研究內(nèi)容
2 齒輪箱故障機理分析及其振動信號處理方法
    2.1 齒輪箱中零部件的失效分析
        2.1.1 齒輪主要失效形式
        2.1.2 滾動軸承的失效形式
    2.2 齒輪箱振動產(chǎn)生的機理分析
        2.2.1 齒輪的振動機理分析
        2.2.2 滾動軸承沖擊振動的產(chǎn)生與特點
    2.3 齒輪箱故障診斷中振動信號分析處理方法
        2.3.1 時域特征值統(tǒng)計分析
        2.3.2 頻譜分析
        2.3.3 時頻域分析方法
    2.4 本章小結(jié)
3 EEMD 方法的研究
    3.1 引言
    3.2 EMD 的基本概念及原理
        3.2.1 EMD 中的瞬時頻率
        3.2.2 本征模函數(shù)
        3.2.3 EMD 的分解過程
        3.2.4 本征模分量的選取
    3.3 EEMD 的基本概念及原理
        3.3.1 模態(tài)混疊和 EEMD 方法的提出
        3.3.2 EEMD 的原理及分解過程
        3.3.3 EEMD 與 EMD 對比
    3.4 本章小結(jié)
4 MP 算法的研究與優(yōu)化
    4.1 引言
    4.2 信號稀疏分解原理
        4.2.1 稀疏分解的概念
        4.2.2 過完備字典
    4.3 MP 算法的原理與優(yōu)化
        4.3.1 MP 算法的原理及流程
        4.3.2 MP 算法存在的缺陷
        4.3.3 基于遺傳算法的 MP 算法優(yōu)化
        4.3.4 GAMP 算法與 MP 算法對比
    4.4 GAMP 算法與 EEMD 結(jié)合
    4.5 本章小結(jié)
5 齒輪箱實驗及故障分析與診斷
    5.1 齒輪箱故障診斷實驗平臺
        5.1.1 齒輪箱傳動系統(tǒng)
        5.1.2 數(shù)據(jù)采集系統(tǒng)
        5.1.3 齒輪箱故障中齒輪和軸承的參數(shù)及故障設(shè)置
    5.2 GAMP 算法對齒輪箱振動信號消噪研究
    5.3 GAMP 算法消噪與小波消噪對比
    5.4 EEMD 分解剔除虛假 IMF
    5.5 齒輪箱振動信號分析
        5.5.1 正常信號的分析
        5.5.2 齒面磨損故障分析
        5.5.3 軸承外圈故障
        5.5.4 軸承保持架故障
        5.5.5 軸承滾動體故障
    5.6 基于支持向量機的齒輪箱故障分類
    5.7 本章小結(jié)
6 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 展望
參考文獻
攻讀碩士學(xué)位期間發(fā)表的論文
致謝

【參考文獻】

相關(guān)期刊論文 前10條

1 于德介,程軍圣,楊宇;Hilbert-Huang變換在齒輪故障診斷中的應(yīng)用[J];機械工程學(xué)報;2005年06期

2 雷亞國;何正嘉;訾艷陽;;基于混合智能新模型的故障診斷[J];機械工程學(xué)報;2008年07期

3 雷亞國;;基于改進Hilbert-Huang變換的機械故障診斷[J];機械工程學(xué)報;2011年05期

4 康晨暉;崔玲麗;王婧;高立新;胥永剛;;基于信號特征的復(fù)合字典多原子匹配算法研究[J];機械工程學(xué)報;2012年12期

5 尹忠科,王建英,邵君;基于原子庫結(jié)構(gòu)特性的信號稀疏分解[J];西南交通大學(xué)學(xué)報;2005年02期

6 丁康,朱小勇,陳亞華;齒輪箱典型故障振動特征與診斷策略[J];振動與沖擊;2001年03期

7 曹沖鋒;楊世錫;楊將新;;大型旋轉(zhuǎn)機械非平穩(wěn)振動信號的EEMD降噪方法[J];振動與沖擊;2009年09期

8 丁康，王延春;傳動箱齒輪和軸故障的振動診斷方法的研究[J];振動與沖擊;1994年02期

9 李輝;鄭海起;唐力偉;;基于EEMD和THT的齒輪故障診斷方法[J];振動.測試與診斷;2011年04期

10 彭暢;柏林;謝小亮;;基于EEMD、度量因子和快速峭度圖的滾動軸承故障診斷方法[J];振動與沖擊;2012年20期

相關(guān)博士學(xué)位論文 前2條

1 黃偉國;基于振動信號特征提取與表達的旋轉(zhuǎn)機械狀態(tài)監(jiān)測與故障診斷研究[D];中國科學(xué)技術(shù)大學(xué);2010年

2 許昕;基于濾波技術(shù)和粒子群優(yōu)化的齒輪箱故障診斷研究[D];中北大學(xué);2011年

本文編號：2851580