本文關鍵詞：齒輪早期故障檢測與診斷技術研究

  更多相關文章： 齒輪 早期故障診斷 小波閾值去噪 經(jīng)驗模式分解 特征提取 BP神經(jīng)網(wǎng)絡

【摘要】：作為齒輪箱中的關鍵零部件，齒輪因受惡劣工況等因素的影響而成為齒輪箱中失效故障率最高的零部件。齒輪早期故障診斷的研究對于保證設備的安全高效運行和避免重大事故發(fā)生有著非常重要的意義，受到了人們的廣泛關注。 本文以處于早期故障階段的齒輪為研究對象，采用理論分析與實驗研究相結合的方式對齒輪早期故障診斷問題展開研究。在理論分析方面，通過建立齒輪傳動系統(tǒng)的動力學模型，對齒輪早期故障的特點進行分析；針對齒輪早期故障特征微弱、噪聲干擾復雜多變問題，本文提出了基于綜合評價參數(shù)的小波最優(yōu)閾值去噪方法，，從多種閾值情況中自適應地篩選出最優(yōu)情況，達到最佳去噪效果；提出了基于分段三次Hermit插值的極值截斷法與相關篩選法相結合的改進經(jīng)驗模式分解方法，改善原方法中端點效應、包絡線過沖與欠沖、基本模式分量篩選困難等問題，達到有效提取齒輪早期故障特征的目的；提出以頻譜能量分布為特征參量，建立BP網(wǎng)絡對齒輪早期故障進行模式識別，實現(xiàn)對于齒輪故障模式的準確判別。在實驗研究方面，本文以仿真實驗分析和實測信號實驗分析兩種方式對所提出的去噪方法、特征提取方法、模式識別方法加以驗證。 實驗研究表明，本文提出的信號處理方法和模式識別方法能夠精確地診斷出齒輪早期故障問題，對于保障機械設備平穩(wěn)可靠運行有著非常重要的現(xiàn)實意義和實際應用價值。
【關鍵詞】：齒輪 早期故障診斷 小波閾值去噪 經(jīng)驗模式分解 特征提取 BP神經(jīng)網(wǎng)絡
【學位授予單位】：河北科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH132.41;TH165.3
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-17
• 1.1 課題的研究背景及意義9-11
• 1.1.1 課題研究背景9-10
• 1.1.2 選題意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 振動檢測法的應用11
• 1.2.2 小波變換分析方法的應用11-12
• 1.2.3 Hilbert-Huang 變換方法的應用12-13
• 1.2.4 其他信號分析方法的應用13-14
• 1.2.5 故障模式識別方法的應用14
• 1.3 論文研究內(nèi)容14-17
• 第2章 齒輪早期故障特征分析17-25
• 2.1 引言17-18
• 2.2 齒輪故障階段劃分18-19
• 2.3 齒輪振動機理分析19-21
• 2.3.1 齒輪振動的參數(shù)19-20
• 2.3.2 齒輪振動的數(shù)學模型20-21
• 2.4 齒輪早期故障特征21-24
• 2.4.1 齒輪箱故障信號構成21-22
• 2.4.2 齒輪故障的頻譜特征22-23
• 2.4.3 早期故障特征分析23-24
• 2.5 本章小結24-25
• 第3章 齒輪早期故障信號預處理25-37
• 3.1 引言25
• 3.2 小波變換去噪方法25-28
• 3.2.1 小波閾值去噪法原理26-27
• 3.2.2 閾值去噪情況的多樣性27-28
• 3.3 小波最優(yōu)閾值去噪法28-31
• 3.4 仿真實驗分析31-32
• 3.5 實測實驗分析32-36
• 3.5.1 實驗系統(tǒng)介紹32-33
• 3.5.2 實測信號去噪處理33-36
• 3.6 本章小結36-37
• 第4章 齒輪早期故障特征提取37-53
• 4.1 引言37
• 4.2 經(jīng)驗模式分解方法37-41
• 4.2.1 基本模式分量限定條件37-38
• 4.2.2 EMD 算法原理38-40
• 4.2.3 EMD方法端點效應40-41
• 4.3 基于改進EMD方法的齒輪早期故障特征提取方法41-46
• 4.3.1 分段三次Hermit插值法應用41-43
• 4.3.2 極值截斷處理與相關篩選法應用43-44
• 4.3.3 改進EMD方法原理44-46
• 4.4 仿真信號實驗分析46-48
• 4.5 實測信號實驗分析48-52
• 4.5.1 齒面磨損故障特征提取48-50
• 4.5.2 齒根裂紋故障特征提取50-52
• 4.6 本章小結52-53
• 第5章 齒輪早期故障模式識別53-63
• 5.1 引言53
• 5.2 BP神經(jīng)網(wǎng)絡原理53-57
• 5.2.1 BP網(wǎng)絡的組成53-55
• 5.2.2 BP算法原理55-56
• 5.2.3 BP算法基本步驟56-57
• 5.3 基于BP神經(jīng)網(wǎng)絡的齒輪早期故障診斷57-62
• 5.3.1 故障特征參量選擇58-61
• 5.3.2 BP網(wǎng)絡模型的建立與分析61-62
• 5.4 本章小結62-63
• 結論63-65
• 參考文獻65-69
• 攻讀碩士學位期間所發(fā)表的論文69-71
• 致謝71

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 羅亮;李國璋;楊權;賈志杰;滕飛;;SOM-BP神經(jīng)網(wǎng)絡在機械故障診斷中的應用研究[J];車用發(fā)動機;2008年02期

2 呂蓬;;基于變精度粗糙集的齒輪故障診斷[J];華北電力大學學報(自然科學版);2010年06期

3 林麗;余輪;;基于相關系數(shù)的EMD改進算法[J];計算機與數(shù)字工程;2008年12期

4 于德介,程軍圣,楊宇;Hilbert-Huang變換在齒輪故障診斷中的應用[J];機械工程學報;2005年06期

5 李巍華;劉雯;;基于圖論和直推式支持矢量機的齒輪早期故障診斷[J];機械工程學報;2010年23期

6 雷亞國;;基于改進Hilbert-Huang變換的機械故障診斷[J];機械工程學報;2011年05期

7 王麗麗,王超,蔡正敏;滾動軸承早期故障的小波診斷方法[J];應用力學學報;1999年02期

8 李樹鈺;;改進的小波閾值去噪方法及其在MATLAB中的仿真[J];噪聲與振動控制;2010年02期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 鞠萍華;旋轉機械早期故障特征提取的時頻分析方法研究[D];重慶大學;2010年

本文編號：747876