本文關(guān)鍵詞：基于時(shí)延自相關(guān)與局部均值分解的齒輪故障診斷方法的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：齒輪在發(fā)生故障時(shí),其故障信號(hào)是同時(shí)具有幅度調(diào)制與頻率調(diào)制的多分量信號(hào),通過對(duì)該調(diào)制信號(hào)進(jìn)行解調(diào)可以有效地提取出齒輪的故障特征信息。而傳統(tǒng)的解調(diào)方法只適用于單分量調(diào)制信號(hào)的解調(diào),在處理多分量調(diào)制信號(hào)時(shí),結(jié)果往往并不準(zhǔn)確。同時(shí)齒輪故障信號(hào)中往往含有大量的噪聲,嚴(yán)重影響著故障診斷的準(zhǔn)確性。為此,本文針對(duì)如何從具有噪聲干擾的齒輪故障信號(hào)中準(zhǔn)確地提取出齒輪的故障特征信息,進(jìn)行了以下研究： 首先,對(duì)多分量調(diào)幅調(diào)頻信號(hào)的時(shí)延自相關(guān)函數(shù)進(jìn)行了研究。結(jié)果表明,多分量的調(diào)幅調(diào)頻信號(hào)經(jīng)過時(shí)延白相關(guān)處理后,仍是多分量的調(diào)幅調(diào)頻信號(hào),并且各單分量中仍然蘊(yùn)含著原信號(hào)的各調(diào)制信息；多分量調(diào)幅調(diào)頻信號(hào)的頻譜中各調(diào)制邊頻帶的能量也會(huì)因時(shí)延自相關(guān)處理而明顯地減小,使得能更加準(zhǔn)確地從其頻譜中識(shí)別出原信號(hào)中所蘊(yùn)含的各載波頻率。 其次,對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解以及局部均值分解等常用的信號(hào)分解方法進(jìn)行了對(duì)比,并對(duì)其在多分量調(diào)幅調(diào)頻信號(hào)的分解與提純中的應(yīng)用進(jìn)行了研究。結(jié)果表明,局部均值分解方法較經(jīng)驗(yàn)?zāi)B(tài)分解方法更加適用于多分量調(diào)幅調(diào)頻信號(hào)的分解,其對(duì)多分量調(diào)幅調(diào)頻信號(hào)的分解與提純有著更加良好的效果；局部均值分解方法分解所得的PF分量較經(jīng)驗(yàn)?zāi)B(tài)分解所得的IMF分量與Hilbert包絡(luò)解調(diào)這類針對(duì)調(diào)制信號(hào)的解調(diào)方法有著更加良好的匹配性；局部均值分解的準(zhǔn)確性容易受到噪聲的影響,需要將局部均值分解方法與有效的降噪方法相結(jié)合才能得到良好的分解結(jié)果。 然后,將時(shí)延自相關(guān)處理與局部均值分解方法相結(jié)合,提出一種有效的齒輪故障診斷方法。該方法首先對(duì)齒輪故障信號(hào)進(jìn)行時(shí)延自相關(guān)處理以減小噪聲干擾,再通過局部均值分解對(duì)多分量進(jìn)行分解,獲得一系列的提純PF分量,再通過對(duì)各提純PF分量分別進(jìn)行Hilbert包絡(luò)解調(diào)以及FFT分析,最后通過幅值疊加的方式獲得聯(lián)合包絡(luò)解調(diào)譜以及聯(lián)合幅值譜,從中便可準(zhǔn)確地提取出齒輪的故障特征信息。 最后,通過模擬實(shí)驗(yàn)對(duì)該方法進(jìn)行了測(cè)試,并將其與Hilbert包絡(luò)解調(diào)以及時(shí)延自相關(guān)解調(diào)等方法進(jìn)行了對(duì)比。結(jié)果表明,該方法能有效地從具有噪聲干擾的多分量的齒輪故障調(diào)幅調(diào)頻信號(hào)中提取出齒輪故障特征信息,并且其診斷結(jié)果也更加準(zhǔn)確。
【關(guān)鍵詞】：調(diào)幅調(diào)頻 解調(diào) 時(shí)延自相關(guān) LMD PF分量
【學(xué)位授予單位】：華東理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 引言10
• 1.2 齒輪故障的基本形式10-11
• 1.3 齒輪故障診斷原理11-12
• 1.4 信號(hào)分析方法的研究現(xiàn)狀12-15
• 1.4.1 解調(diào)分析方法12-13
• 1.4.2 降噪方法13
• 1.4.3 多分量分解方法13-15
• 1.5 本文研究的內(nèi)容15-16
• 第2章 齒輪故障信號(hào)的時(shí)延自相關(guān)分析16-29
• 2.1 齒輪振動(dòng)信號(hào)16-19
• 2.1.1 正常齒輪振動(dòng)信號(hào)16
• 2.1.2 齒輪故障信號(hào)16-17
• 2.1.3 典型齒輪故障調(diào)幅調(diào)頻信號(hào)及其頻譜分析17-19
• 2.2 時(shí)延自相關(guān)降噪原理19-22
• 2.3 多分量調(diào)幅調(diào)頻信號(hào)的時(shí)延自相關(guān)分析與測(cè)試22-28
• 2.3.1 多分量調(diào)幅調(diào)頻信號(hào)的時(shí)延自相關(guān)分析22-24
• 2.3.2 多分量調(diào)幅調(diào)頻信號(hào)的時(shí)延自相關(guān)處理測(cè)試24-28
• 2.4 本章小結(jié)28-29
• 第3章 多分量調(diào)幅調(diào)頻信號(hào)的分解與提純方法的研究29-38
• 3.1 多分量分解方法29-31
• 3.1.1 經(jīng)驗(yàn)?zāi)B(tài)分解29-30
• 3.1.2 局部均值分解30-31
• 3.2 LMD方法和EMD方法的對(duì)比研究31-32
• 3.3 LMD與EMD在多分量調(diào)幅調(diào)頻信號(hào)的分解與提純中的應(yīng)用研究32-37
• 3.4 本章小結(jié)37-38
• 第4章 齒輪故障特征提取方法的研究38-46
• 4.1 Hilbert包絡(luò)解調(diào)38-42
• 4.2 齒輪故障特征信息的提取研究42-43
• 4.3 齒輪故障診斷方法43-45
• 4.4 本章小結(jié)45-46
• 第5章 故障診斷方法的數(shù)據(jù)模擬測(cè)試46-57
• 5.1 測(cè)試信號(hào)46
• 5.2 時(shí)延自相關(guān)處理46
• 5.3 LMD方法的分解與提純46-51
• 5.4 聯(lián)合包絡(luò)解調(diào)譜分析51-53
• 5.5 聯(lián)合幅值譜分析53-55
• 5.6 本章小結(jié)55-57
• 第6章 總結(jié)與展望57-59
• 6.1 總結(jié)57-58
• 6.2 展望58-59
• 參考文獻(xiàn)59-63
• 致謝63

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馬波,魏強(qiáng),徐春林,江志農(nóng);基于Hilbert變換的包絡(luò)分析及其在滾動(dòng)軸承故障診斷中的應(yīng)用[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年06期

2 高云超;桑恩方;許繼友;;分離EMD中混疊模態(tài)的新方法[J];哈爾濱工程大學(xué)學(xué)報(bào);2008年09期

3 孟濤,廖明夫,李輝;齒輪故障診斷的時(shí)延相關(guān)解調(diào)法[J];航空動(dòng)力學(xué)報(bào);2003年01期

4 楊宇;楊麗湘;程軍圣;;基于LMD和AR模型的轉(zhuǎn)子系統(tǒng)故障診斷方法[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年09期

5 林麗;周霆;余輪;;EMD算法中邊界效應(yīng)處理技術(shù)[J];計(jì)算機(jī)工程;2009年23期

6 包家漢,張玉華,胡曉麗;基于嚙合過程的齒根應(yīng)力仿真分析[J];機(jī)械傳動(dòng);2005年01期

7 程軍圣;張亢;楊宇;;基于噪聲輔助分析的總體局部均值分解方法[J];機(jī)械工程學(xué)報(bào);2011年03期

8 代拓;花云浩;王林;;基于Hilbert變換的滾動(dòng)軸承故障診斷[J];煤礦機(jī)械;2012年02期

9 朱瑜;王海洋;;基于小波去噪和EMD的齒輪箱故障診斷研究[J];煤礦機(jī)械;2012年04期

10 楊小強(qiáng),岳美琴;減速箱齒輪磨損故障診斷[J];設(shè)備管理&維修;2000年08期

  本文關(guān)鍵詞：基于時(shí)延自相關(guān)與局部均值分解的齒輪故障診斷方法的研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：355843