本文關(guān)鍵詞：基于遞歸分析方法的齒輪故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：基于齒輪振動信號的復(fù)雜性和非平穩(wěn)特性，傳統(tǒng)方法受到信噪比低、非平穩(wěn)性以及采樣不足等條件的制約。本文利用經(jīng)驗?zāi)B(tài)分解（EMD）方法對信號進行降噪處理，將振動信號分解為有限個固有模式函數(shù)（IMF）分量，篩選包含故障信息的IMF分量，保留齒輪信號的狀態(tài)信息，去除無用信息，EMD方法具有自適應(yīng)性等特點，適合非線性、非平穩(wěn)特性信號。本文采用遞歸分析方法對降噪后的齒輪振動信號進行分析，遞歸性是動力學(xué)系統(tǒng)的基本屬性之一，透過遞歸特性可以反映系統(tǒng)在相空間中的行為。通過對齒輪信號遞歸圖的分析發(fā)現(xiàn)，遞歸圖的圖形特征反映了齒輪的狀態(tài)模式，根據(jù)遞歸點的分布可以對齒輪模式進行區(qū)分。本文提出選擇遞歸圖中的遞歸點作為特征量，結(jié)合高斯混合模型與貝葉斯分類器進行齒輪故障的模式識別，成功地區(qū)分了正常、磨損、周節(jié)誤差以及斷齒4種故障模式的齒輪振動信號。同時在EMD降噪的基礎(chǔ)上，利用遞歸定量分析方法得出遞歸參數(shù)，遞歸定量分析是通過統(tǒng)計遞歸圖特征的一種定量分析方法。通過實驗數(shù)據(jù)的研究，本文選擇確定率和層流率作為特征量，進行齒輪故障模式識別，將分類結(jié)果與遞歸分析方法相對比。最后，分類結(jié)果表明：遞歸分析方法比遞歸定量分析方法的故障識別率更高，可靠性更強，適合齒輪的故障診斷。
【關(guān)鍵詞】：非線性 遞歸圖 遞歸定量分析 經(jīng)驗?zāi)B(tài)分解
【學(xué)位授予單位】：武漢科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH165.3;TH132.41
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-16
• 1.1 研究背景及意義8-9
• 1.2 齒輪故障診斷的研究現(xiàn)狀9-12
• 1.2.1 時域分析方法9-10
• 1.2.2 頻域分析方法10-11
• 1.2.3 時頻分析方法11-12
• 1.3 遞歸分析方法的研究現(xiàn)狀12-14
• 1.4 論文的研究目的和主要研究內(nèi)容14-15
• 1.5 論文的結(jié)構(gòu)安排15-16
• 第2章 遞歸分析方法16-30
• 2.1 相空間重構(gòu)16-19
• 2.2 遞歸圖19-24
• 2.2.1 遞歸圖的建立19-21
• 2.2.2 遞歸圖仿真分析21-24
• 2.3 遞歸定量分析24-29
• 2.3.1 遞歸定量參數(shù)24-28
• 2.3.2 遞歸定量仿真分析28-29
• 2.4 本章小結(jié)29-30
• 第3章 齒輪振動信號的遞歸特性分析30-37
• 3.1 齒輪振動信號的遞歸圖30-34
• 3.1.1 遞歸圖參數(shù)的選取30-33
• 3.1.2 齒輪振動信號的遞歸圖分析33-34
• 3.2 齒輪振動信號的定量遞歸分析34-35
• 3.3 本章小結(jié)35-37
• 第4章 遞歸分析在齒輪故障診斷中的應(yīng)用37-46
• 4.1 實驗裝置及數(shù)據(jù)采集37
• 4.2 基于經(jīng)驗?zāi)B(tài)分解的齒輪振動信號降噪37-40
• 4.3 齒輪振動信號的特征提取40-43
• 4.3.1 基于遞歸圖的特征提取40-42
• 4.3.2 基于遞歸定量分析的特征提取42-43
• 4.4 齒輪故障模式識別43-45
• 4.5 本章小結(jié)45-46
• 第5章 總結(jié)與展望46-48
• 5.1 本文的研究總結(jié)46-47
• 5.2 進一步研究的方向47-48
• 致謝48-49
• 參考文獻(xiàn)49-52
• 附錄1 攻讀碩士期間論文發(fā)表情況52-53
• 附錄2 攻讀碩士學(xué)位期間參加的科研項目53-54
• 詳細(xì)中文摘要54-55
• 詳細(xì)英文摘要55-57

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 王建軍,李其漢,李潤方;齒輪系統(tǒng)非線性振動研究進展[J];力學(xué)進展;2005年01期

  本文關(guān)鍵詞：基于遞歸分析方法的齒輪故障診斷，，由筆耕文化傳播整理發(fā)布。

本文編號：343353