本文關(guān)鍵詞：數(shù)學(xué)形態(tài)濾波與局域均值分解在齒輪故障診斷中的應(yīng)用

  更多相關(guān)文章： 齒輪故障診斷 數(shù)學(xué)形態(tài)濾波 局域均值分解 BP神經(jīng)網(wǎng)絡(luò)

【摘要】：齒輪及齒輪箱作為傳遞動(dòng)力、改變轉(zhuǎn)速的常用零部件,在機(jī)床設(shè)備、航空航天、電力系統(tǒng)、農(nóng)業(yè)機(jī)械、運(yùn)輸機(jī)械、冶金和采礦等現(xiàn)代工業(yè)領(lǐng)域中得到廣泛應(yīng)用和發(fā)展。而齒輪及齒輪箱一旦發(fā)生故障就可能造成整套設(shè)備無法正常運(yùn)行。因此,對(duì)齒輪的故障診斷具有重要意義。 針對(duì)齒輪振動(dòng)信號(hào)中存在的背景噪聲和沖擊振動(dòng)等問題,本文采用一種數(shù)學(xué)形態(tài)濾波與局域均值分解相結(jié)合的方法,通過多結(jié)構(gòu)多尺度數(shù)學(xué)形態(tài)濾波器對(duì)齒輪故障振動(dòng)信號(hào)進(jìn)行背景噪聲的濾除和沖擊振動(dòng)信號(hào)的提取,在此基礎(chǔ)上結(jié)合局域均值分解對(duì)齒輪振動(dòng)信號(hào)進(jìn)行處理,進(jìn)而提取局域均值分解的能量特征參數(shù),并進(jìn)行歸一化處理,最后采用BP神經(jīng)網(wǎng)絡(luò)對(duì)齒輪的各種運(yùn)行狀態(tài)進(jìn)行分類識(shí)別。本文主要工作如下： (1)闡述了齒輪振動(dòng)信號(hào)的特征、齒輪故障的主要形式及齒輪故障對(duì)運(yùn)動(dòng)參數(shù)的影響。 (2)研究了數(shù)學(xué)形態(tài)學(xué)的基本算子及形態(tài)算子、結(jié)構(gòu)元素對(duì)數(shù)學(xué)形態(tài)濾波的影響,并給出了數(shù)學(xué)形態(tài)濾波技術(shù)在振動(dòng)信號(hào)處理中的優(yōu)勢(shì),采用一種多結(jié)構(gòu)多尺度數(shù)學(xué)形態(tài)組合濾波器。在詳細(xì)討論多結(jié)構(gòu)多尺度數(shù)學(xué)形態(tài)組合濾波器結(jié)構(gòu)元素構(gòu)造方法的基礎(chǔ)上,以特征頻率強(qiáng)度系數(shù)為判據(jù),利用敏感的結(jié)構(gòu)元素組合出多結(jié)構(gòu)多尺度的自適應(yīng)均值濾波器,取得了較好的低頻信號(hào)提取效果。 (3)詳細(xì)介紹了局域均值分解的基本原理和算法、主要特點(diǎn)、存在的端點(diǎn)效應(yīng)問題及局域均值分解的能量特征提取方法,并針對(duì)端點(diǎn)效應(yīng)問題進(jìn)行詳細(xì)分析,最后采用了自適應(yīng)波形匹配延拓的改進(jìn)方法。該方法充分考慮了齒輪信號(hào)的內(nèi)在規(guī)律和端點(diǎn)處變化,將齒輪信號(hào)端點(diǎn)處信號(hào)進(jìn)行自適應(yīng)波形匹配延拓,從而改變了端點(diǎn)處不受約束的情況。仿真與實(shí)驗(yàn)測(cè)試的結(jié)果都表明,該方法能夠有效抑制局域均值分解的端點(diǎn)效應(yīng)。 (4)對(duì)實(shí)測(cè)的各種運(yùn)行狀態(tài)下齒輪振動(dòng)信號(hào)進(jìn)行數(shù)學(xué)形態(tài)濾波與局域均值分解,提取局域均值分解的能量特征參數(shù),并進(jìn)行歸一化處理,最后采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別。該方法簡(jiǎn)單易行,是齒輪故障診斷較為有效的方法。
【關(guān)鍵詞】：齒輪故障診斷 數(shù)學(xué)形態(tài)濾波 局域均值分解 BP神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN911.6;TH132.41;TH165.3
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-19
• 1.1 齒輪故障診斷的背景及研究意義11-12
• 1.2 齒輪故障診斷的研究現(xiàn)狀12-14
• 1.3 數(shù)學(xué)形態(tài)學(xué)方法的提出及研究現(xiàn)狀14-16
• 1.4 局域均值分解方法的提出及研究現(xiàn)狀16-17
• 1.5 本文主要研究?jī)?nèi)容17-19
• 第二章 齒輪振動(dòng)信號(hào)特征分析19-27
• 2.1 引言19
• 2.2 齒輪的振動(dòng)及數(shù)學(xué)模型的建立19-22
• 2.2.1 齒輪的振動(dòng)20-22
• 2.2.2 齒輪振動(dòng)的數(shù)學(xué)模型22
• 2.3 齒輪典型故障信號(hào)特征22-24
• 2.4 齒輪故障對(duì)運(yùn)動(dòng)參數(shù)的影響24
• 2.5 本章小結(jié)24-27
• 第三章 數(shù)學(xué)形態(tài)濾波技術(shù)研究27-41
• 3.1 引言27
• 3.2 數(shù)學(xué)形態(tài)學(xué)基本運(yùn)算27-30
• 3.2.1 形態(tài)腐蝕和形態(tài)膨脹27-28
• 3.2.2 形態(tài)開運(yùn)算和形態(tài)閉運(yùn)算28
• 3.2.3 形態(tài)算子對(duì)形態(tài)濾波的影響28-30
• 3.3 數(shù)學(xué)形態(tài)濾波技術(shù)30-32
• 3.3.1 形態(tài)開-閉和形態(tài)閉-開濾波器30
• 3.3.2 平均組合濾波器30-31
• 3.3.3 廣義形態(tài)濾波器31
• 3.3.4 數(shù)學(xué)形態(tài)濾波器結(jié)構(gòu)元素的選取31-32
• 3.4 多結(jié)構(gòu)多尺度數(shù)學(xué)形態(tài)組合濾波器32-39
• 3.4.1 數(shù)學(xué)形態(tài)結(jié)構(gòu)元素集的構(gòu)造32-35
• 3.4.2 最優(yōu)結(jié)構(gòu)元素的選取35
• 3.4.3 多結(jié)構(gòu)多尺度數(shù)學(xué)形態(tài)濾波法的仿真示例35-39
• 3.5 小結(jié)39-41
• 第四章 局域均值分解方法研究41-57
• 4.1 引言41
• 4.2 LMD的原理和算法41-46
• 4.2.1 LMD的基本過程41
• 4.2.2 LMD的基本原理和算法41-45
• 4.2.3 仿真示例45-46
• 4.3 LMD的主要特點(diǎn)46-49
• 4.3.1 自適應(yīng)性46-47
• 4.3.2 正交性47-48
• 4.3.3 獨(dú)立性48
• 4.3.4 完備性48-49
• 4.4 LMD的端點(diǎn)效應(yīng)及解決方法的研究49-53
• 4.4.1 LMD的端點(diǎn)效應(yīng)49
• 4.4.2 自適應(yīng)波形匹配延拓方法49-51
• 4.4.3 仿真示例51-53
• 4.5 基于LMD的能量特征提取53-54
• 4.6 本章小結(jié)54-57
• 第五章 基于數(shù)學(xué)形態(tài)濾波與局域均值分解的齒輪故障診斷方法57-67
• 5.1 引言57
• 5.2 數(shù)學(xué)形態(tài)濾波與局域均值分解原理57-58
• 5.3 數(shù)學(xué)形態(tài)濾波與局域均值分解實(shí)驗(yàn)研究58-61
• 5.3.1 數(shù)學(xué)形態(tài)濾波58-60
• 5.3.2 齒輪信號(hào)的局域均值分解60-61
• 5.4 基于BP神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷61-66
• 5.4.1 BP神經(jīng)網(wǎng)絡(luò)61-64
• 5.4.2 基于BP神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷方法64-65
• 5.4.3 與其它方法的比較65-66
• 5.5 小結(jié)66-67
• 第六章 結(jié)論與展望67-69
• 6.1 本文工作的總結(jié)67-68
• 6.2 未來研究展望68-69
• 致謝69-71
• 參考文獻(xiàn)71-77
• 附錄A (攻讀碩士學(xué)位期間發(fā)表論文)77-79
• 附錄B (攻讀碩士學(xué)位期間申請(qǐng)的軟件著作權(quán))79

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 李素云;張德祥;;基于小波變換的汽車齒輪箱振動(dòng)信號(hào)故障分析[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2012年01期

2 章立軍;徐金梧;陽建宏;楊德斌;;自適應(yīng)多尺度形態(tài)學(xué)分析及其在軸承故障診斷中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);2008年04期

3 王國(guó)棟;張建宇;高立新;胥永剛;張雪松;;小波包神經(jīng)網(wǎng)絡(luò)在軸承故障模式識(shí)別中的應(yīng)用[J];軸承;2007年01期

4 王凱;安鋼;肖雨;;基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂蚖igner高階矩譜的軸承故障診斷[J];軸承;2009年04期

5 張光新,蔡晉輝,周澤魁;基于模板的二維多通道形態(tài)小波的構(gòu)造[J];光電子·激光;2005年02期

6 王文波;羿旭明;費(fèi)浦生;;基于圖像統(tǒng)計(jì)特性的二維形態(tài)小波的構(gòu)造[J];光電子.激光;2008年09期

7 王植申;韓捷;陳宏;鞏曉峗;王宏超;;基于全矢譜的風(fēng)力發(fā)電系統(tǒng)齒輪箱的故障診斷[J];機(jī)械設(shè)計(jì)與制造;2011年11期

8 胡勁松;楊世錫;;EMD方法基于徑向基神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的數(shù)據(jù)延拓與應(yīng)用[J];機(jī)械強(qiáng)度;2007年06期

9 ;Boundary-processing-technique in EMD method and Hilbert transform[J];Chinese Science Bulletin;2001年11期

10 胡愛軍;唐貴基;安連鎖;;基于數(shù)學(xué)形態(tài)學(xué)的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)降噪方法[J];機(jī)械工程學(xué)報(bào);2006年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 任達(dá)千;基于局域均值分解的旋轉(zhuǎn)機(jī)械故障特征提取方法及系統(tǒng)研究[D];浙江大學(xué);2008年

2 張文斌;汽輪發(fā)電機(jī)組狀態(tài)趨勢(shì)預(yù)測(cè)及故障診斷方法研究[D];浙江大學(xué);2009年

，

本文編號(hào)：524987