学位论文 > 优秀研究生学位论文题录展示

基于EMD的齿轮箱故障特征提取方法研究

作　者: 张强
导　师: 王奉涛
学　校: 大连理工大学
专　业: 精密仪器及机械
关键词: 齿轮箱故障 EMD分析主分量分析法特征提取流形LPP
分类号: TH165.3
类　型: 硕士论文
年　份: 2013年
下　载: 171次
引　用: 0次
阅　读: 论文下载

内容摘要

随着工业技术的高速发展,齿轮箱越来越受到人们的普遍关注。汽车、机车及船舶的运转都离不开它。齿轮箱通常由轴、齿轮、轴承以及箱体等零部件组成。齿轮、轴、轴承的健康状态对机械设备的正常运转起到了关键的作用。文章由传统的测振方法引出本文的工作重点。先对一般的时频分析法进行了介绍,在此基础上将小波分解法应用到信号的消噪中,相比傅利叶消噪具有明显优势。针对机械故障数据的信息量大等特点,引入基于EMD特征提取思想。本文第4章和第5章分别将PCA和流形LPP方法应用到实际故障诊断中。本文的主要工作包括：(1)本文分析了传统时频分析法在振动信号中的应用,并指出了不能处理非平稳、非线性信号的关键问题。在此基础上介绍了新的方法-——Hilbert-Huang变换,对模拟信号进行了经验模态分解(Empirical Mode Decomposition,简称EMD),同时经过Hilbert-Huang变换得到了Hilbert边际谱和HHT谱。(2)将支持向量机(Support Vector Machine,简称SVM)引入齿轮箱的故障诊断中,构建SVM网络模型。介绍了EMD分解中内禀能量熵的定义,当齿轮箱发生故障时,其振动信号的能量也会发生变化。不同频率成分的能量改变构成了不同的故障形式,因此可根据能量熵的不同来进行构架SVM网络,从而进行分类。(3)针对故障数据处理难,引入一种基于EMD的时域特征提取方法——主分量分析法(principal components analysis,简称PCA),它的基本思想是寻找方差最小方向,以此来进行数据的约简和降维。针对工程中需要对系统进行故障监测和跟踪的研究,本文引入智能分析理论——神经网络系统。用主分量分析法进行分析并结合谱图进行故障诊断。经过处理,得12组分量。以前4组主分量数据(1-4振动数据)为测试样本子集,以其余的8组数据为训练样本子集,进行BP神经网络的训练和预测。结果为目标输出与实际输出的相关系数R=0.913,预测点基本符合实际点。(4)将流形局部保持投影(Locality Preserving Projections简称,LPP)应用到齿轮箱故障诊断中。将提取出来的HHT时频谱矩阵进行奇异值分解,进行故障诊断,接着用LPP进行混叠故障信号数据的分类和降维,将此方法应用于故障模式识别问题,具有可行性,可以有效的对齿轮箱轴承故障进行分类。最后,根据文章的总体安排,开发了振动分析模块。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-15
  1.1 课题的选题和研究背景  9
  1.2 齿轮箱的故障形式和课题研究的意义  9-11
    1.2.1 齿轮的故障形式  9-10
    1.2.2 轴承故障形式  10
    1.2.3 课题的研究意义  10-11
  1.3 齿轮箱故障研究的国内外现状  11-12
  1.4 本文主要工作和结构安排  12-15
2 一般常用的振动检测方法介绍  15-27
  2.1 齿轮传动的力学模型  16-18
  2.2 齿轮箱的振动信号的传统处理方法  18-25
    2.2.1 时域分析法  18
    2.2.2 频域分析法  18-21
    2.2.3 时频域分析法及其应用  21-25
  2.3 本章小结  25-27
3 EMD方法的研究  27-38
  3.1 Hilbert-Huang变换与经验模式分解  27-32
    3.1.1 基于经验模式分解的Hilbert变换  27-30
    3.1.2 Hilbert谱  30-32
  3.2 EMD综合方法研究  32-37
    3.2.1 支持向量机  32-34
    3.2.2 EMD和支持向量机结合  34-36
    3.2.3 基于EMD奇异值熵法在齿轮箱故障检测中的应用  36-37
  3.3 本章小结  37-38
4 基于EMD时域特征提取方法  38-51
  4.1 基于PCA的幅值分析特征提取  38-44
    4.1.1 PCA法介绍  38
    4.1.2 PCA在齿轮箱传感器检测中的应用  38-44
  4.2 神经网络建模并进行预测  44-48
    4.2.1 前馈型网络结构和反馈网络结构  45-47
    4.2.2 向后传播算法  47-48
  4.3 PCA法在轮箱故障诊断预测中的应用  48-50
  4.4 本章小结  50-51
5 基于EMD的时频域故障提取方法  51-59
  5.1 流形算法——LPP算法  51-53
  5.2 LPP算法在轴承故障诊断中的应用  53-55
  5.3 HHT谱分析的LPP方法实验验  55-58
  5.4 本章小结  58-59
6 齿轮箱故障检测系统总体设计和开发  59-64
  6.1 系统总体方案设计  59
  6.2 系统界面  59-61
  6.3 具体信号的分析  61-63
    6.3.1 时、频域分析模块  61-62
    6.3.2 小波分析模块  62-63
    6.3.3 EMD分析模块  63
  6.4 本章小结  63-64
结论  64-66
参考文献  66-69
攻读硕士学位期间发表学术论文情况  69-70
致谢  70-71

基于EMD的齿轮箱故障特征提取方法研究

内容摘要

全文目录

相似论文