本文選題：變速器 + 齒輪和軸承�。� 參考：《華南理工大學(xué)》2016年碩士論文

【摘要】：汽車變速器中故障率最高的零部件為齒輪和滾動軸承,因此汽車變速器的故障診斷主要是對齒輪和滾動軸承故障的診斷。汽車變速器發(fā)生故障時,有時不止一個零部件出現(xiàn)故障,而表現(xiàn)為混合故障。當(dāng)汽車變速器存在齒輪和軸承混合故障時,其振動信號相互耦合難以分離,實際采集到的信號受噪聲干擾導(dǎo)致故障信號信噪比低,且齒輪和軸承的沖擊型故障容易淹沒在齒輪的平穩(wěn)型故障中,齒輪沖擊型故障和軸承沖擊型故障在時域表現(xiàn)出相近的沖擊調(diào)制現(xiàn)象,加大了故障分離和分析的難度。所以進(jìn)行混合故障的故障診斷具有重大的工程應(yīng)用價值。根據(jù)汽車變速器中主要失效部件齒輪和軸承的故障類型、故障成因、振動機(jī)理以及故障信號振動特性,分別建立了表征齒輪平穩(wěn)型故障、齒輪沖擊型故障以及軸承沖擊型故障的振動信號模型。采用匹配追蹤與相關(guān)濾波融合的方法對滾動軸承故障特征進(jìn)行提取,使用二階單位脈沖響應(yīng)函數(shù)構(gòu)造沖擊調(diào)制字典,應(yīng)用相關(guān)濾波法自適應(yīng)地識別系統(tǒng)中的多階固有頻率和阻尼比,降低了匹配字典的冗余度;通過合理的分段,有效地提高了稀疏系數(shù)求解的精度和速度。將匹配追蹤方法與最小熵解卷積方法進(jìn)行對比,仿真和滾動軸承內(nèi)圈故障試驗表明,兩種方法均能有效地診斷滾動軸承故障,但是在強(qiáng)背景噪聲下和變速器實測信號中,最小熵解卷積方法對滾動軸承單一故障的診斷能力不如匹配追蹤方法,并且最小熵解卷積方法不能提取齒輪穩(wěn)態(tài)調(diào)制成分,對混合故障診斷存在局限性。在上述研究的基礎(chǔ)上,提出了一種基于匹配追蹤的汽車變速器齒輪和軸承混合故障診斷流程。首先構(gòu)造穩(wěn)態(tài)調(diào)制字典進(jìn)行匹配追蹤分離穩(wěn)態(tài)調(diào)制成分,再對剩余信號進(jìn)行相關(guān)濾波,識別系統(tǒng)的固有頻率和阻尼比來構(gòu)造優(yōu)化的沖擊調(diào)制字典,運(yùn)用分段匹配追蹤的方法來分離齒輪和軸承混合沖擊調(diào)制成分,最后結(jié)合希爾伯特選帶解調(diào)方法實現(xiàn)混合故障診斷。通過混合故障的仿真和汽車變速器混合故障試驗,驗證了所提診斷流程和采用方法的有效性和通用性。
[Abstract]:The components with the highest failure rate in automobile transmission are gear and rolling bearing, so the fault diagnosis of automobile transmission is mainly the fault diagnosis of gear and rolling bearing.When the automobile transmission breaks down, sometimes more than one component malfunction, but the performance is the mixed fault.When there is a hybrid fault of gear and bearing in automobile transmission, it is difficult to separate the vibration signals from each other. The signal to noise ratio of the signals collected from the transmission is low due to the noise interference.The impact fault of gear and bearing is easily submerged in the stationary fault of gear, and the impact fault of gear and bearing has similar impact modulation phenomenon in time domain, which increases the difficulty of fault separation and analysis.Therefore, the fault diagnosis of mixed faults has great engineering application value.According to the fault types, causes, vibration mechanism and vibration characteristics of gears and bearings, the stationary faults of gears are established respectively.Vibration signal model of gear impact fault and bearing impact fault.The fault feature of rolling bearing is extracted by matching tracing and correlation filtering, and the second order unit pulse response function is used to construct the impulse modulation dictionary.The correlation filtering method is used to identify the multi-order natural frequency and damping ratio of the system adaptively, which reduces the redundancy of the matching dictionary, and improves the accuracy and speed of the sparse coefficient solution effectively by reasonable segmentation.The matching tracing method is compared with the minimum entropy deconvolution method. Simulation and rolling bearing inner ring fault test show that both methods can effectively diagnose the rolling bearing fault, but in the strong background noise and transmission measured signal,The ability of minimum entropy deconvolution method for single fault diagnosis of rolling bearing is not as good as that of matching tracking method, and the minimum entropy deconvolution method can not extract the steady state modulation component of gear, which is limited to hybrid fault diagnosis.On the basis of the above research, a hybrid fault diagnosis process of gear and bearing of automobile transmission based on matching tracking is proposed.Firstly, the steady-state modulation dictionary is constructed to match and trace the steady-state modulation components, and then the residual signals are filtered by correlation to identify the natural frequency and damping ratio of the system to construct the optimized impulse modulation dictionary.A piecewise matching tracking method is used to separate the mixed impulse modulation components from the gear and bearing. Finally, the hybrid fault diagnosis is realized with Hilbert band selection demodulation method.The effectiveness and generality of the proposed diagnosis flow and the method are verified by the simulation of the hybrid fault and the hybrid fault test of the vehicle transmission.
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U472.9

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 杜小勇;段曉君;;匹配追蹤信號分解收斂性的一種證明[J];湖南工業(yè)大學(xué)學(xué)報;2010年01期

2 曾春艷;馬麗紅;杜明輝;;前向預(yù)測與回溯結(jié)合的正交匹配追蹤算法[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2012年08期

3 江海騰;盧青;韓穎琳;姚志劍;劉剛;;基于多通道匹配追蹤算法的單次腦響應(yīng)信號建模(英文)[J];Journal of Southeast University(English Edition);2010年04期

4 李宏亮,黃潤華,韓國明,傅汝楫;基于遺傳算法的匹配追蹤小波分析及其在非平穩(wěn)故障信號中的應(yīng)用[J];機(jī)械強(qiáng)度;2001年03期

5 馮勇明;周麗;;基于匹配追蹤算法的復(fù)合材料沖擊損傷成像技術(shù)[J];爆炸與沖擊;2012年03期

6 杜秀麗;沈毅;;匹配追蹤方法在超聲檢測信號去噪中的應(yīng)用[J];無損檢測;2006年08期

7 韓曉紅;常曉明;;基于相空間重構(gòu)的匹配追蹤混沌信號去噪[J];太原理工大學(xué)學(xué)報;2011年02期

8 熊純;何衛(wèi)鋒;;基于匹配追蹤算法的自適應(yīng)時頻分解改進(jìn)及其應(yīng)用[J];長沙航空職業(yè)技術(shù)學(xué)院學(xué)報;2007年04期

9 張建軍;王仲生;余匯;;采用混合粒子群算法實現(xiàn)匹配追蹤算法[J];振動與沖擊;2010年01期

10 羅浚溢;田書林;王志剛;朱肇軒;;基于正交匹配追蹤的周期非均勻采樣研究[J];儀器儀表學(xué)報;2010年12期

相關(guān)會議論文 前7條

1 陸媛媛;宋煒;左佳卉;李亭;;基于改進(jìn)匹配追蹤的子波特征能量氣藏檢測方法[A];中國地球物理2013——第十九專題論文集[C];2013年

2 李輝;;面向圖像視頻編碼的多規(guī)模匹配追蹤圖像表達(dá)法[A];信息科學(xué)與微電子技術(shù):中國科協(xié)第三屆青年學(xué)術(shù)年會論文集[C];1998年

3 李政;羅飛路;;基于匹配追蹤的超聲回波參數(shù)估計方法[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

4 秦曉偉;郭建中;;匹配追蹤算法(MP)在超聲成像中的研究[A];第二屆西安-上海兩地聲學(xué)學(xué)術(shù)會議論文集[C];2011年

5 于勇凌;張海燕;馬世偉;;改進(jìn)的chirplet匹配追蹤在Lamb波信號時頻分析中的應(yīng)用[A];融合與創(chuàng)新：新世紀(jì)物理聲學(xué)的發(fā)展——二零一二年度全國物理聲學(xué)會議論文集[C];2012年

6 高建虎;陳杰;張履謙;;基于壓縮感知和EMD的SAR海洋內(nèi)波探測方法[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

7 蘇哲;許錄平;甘偉;;基于壓縮感知的脈沖星輪廓構(gòu)建算法[A];第二屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會電子文集[C];2011年

相關(guān)博士學(xué)位論文 前5條

1 楊成;壓縮采樣中匹配追蹤約束等距性分析及其應(yīng)用[D];復(fù)旦大學(xué);2011年

2 曾春艷;匹配追蹤的最佳原子選擇策略和壓縮感知盲稀疏度重建算法改進(jìn)[D];華南理工大學(xué);2013年

3 楊瑞明;基于壓縮采樣的比幅測向方法研究[D];電子科技大學(xué);2010年

4 韓曉紅;混沌時序非線性去噪方法研究及其應(yīng)用[D];太原理工大學(xué);2012年

5 李青;優(yōu)化核方法[D];西安電子科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 李會龍;轉(zhuǎn)子匹配追蹤信息熵故障診斷研究[D];中北大學(xué);2016年

2 楊盼;壓縮感知中改進(jìn)的匹配追蹤類算法研究[D];安徽大學(xué);2016年

3 辛一;基于分層匹配追蹤及保序稀疏編碼的行人識別研究[D];安徽大學(xué);2016年

4 李明;匹配追蹤在環(huán)境聲音事件識別中的應(yīng)用研究[D];福州大學(xué);2013年

5 歐陽楨;優(yōu)化的匹配追蹤用于生態(tài)聲音識別[D];福州大學(xué);2014年

6 吳悠;汽車變速器齒輪和軸承混合故障診斷方法及實驗研究[D];華南理工大學(xué);2016年

7 趙玉娟;基于子空間匹配追蹤的信號稀疏逼近[D];西安電子科技大學(xué);2005年

8 任曉馨;壓縮感知貪婪匹配追蹤類重建算法研究[D];北京交通大學(xué);2012年

9 校午陽;基于多通道匹配追蹤算法的時頻分析研究及在腦電信號處理中的應(yīng)用[D];天津醫(yī)科大學(xué);2012年

10 李亞文;遺傳匹配追蹤算法的研究與改進(jìn)[D];江南大學(xué);2011年

，

本文編號：1754410