学位论文 > 优秀研究生学位论文题录展示

基于EMD的齿轮箱故障特征信息提取研究

作　者: 王春林
导　师: 梅卫江
学　校: 石河子大学
专　业: 机械制造及其自动化
关键词: 齿轮箱故障诊断 EMD 主成分分析聚类分析
分类号: TH165.3
类　型: 硕士论文
年　份: 2010年
下　载: 76次
引　用: 0次
阅　读: 论文下载

内容摘要

齿轮箱作为机械设备中一种必不可少的连接和传递动力的通用零部件,在现代工业发展中具有广泛的应用。同时齿轮又是最容易损坏的机械零件之一。齿轮系统工作过程中发生的齿轮断齿、点蚀、滚动轴承的疲劳剥落、轴弯曲等,都会产生周期性的脉冲冲击力,产生振动信号的调制现象,在频谱上表现为在啮合频率或固有频率两侧出现间隔均匀的调制边频带。从信号中提取调制信息,分析其强度和频次就可以判断零件损伤的程度和部位。本文针对齿轮箱齿轮振动信号的振动机理和振动特点,以齿轮箱中齿轮正常、齿轮磨损和齿轮断齿的故障信号为研究对象,利用DASP及MATLAB开展基于EMD的故障特征信息提取技术的研究；本文主要进行了以下几个方面的工作：1)阐述了齿轮箱故障诊断技术的发展状况,齿轮故障振动的机理和振动特点。2)详细分析和讨论了齿轮箱齿轮故障诊断的常用方法。并充分讨论和分析了齿轮的各种振动信号分析方法,包括时域分析、频域分析和EMD分解方法以及各种时、频域特征提取的方法。3)基于DASP系统搭建了齿轮箱齿轮振动信号数据采集及分析系统实验平台,采集齿轮三种状态下的振动信号,并通过时、频分析提取了齿轮故障状态的时域和频域的特征信息。4)研究了经验模态分解的基本理论及在齿轮箱故障振动信号中的实际应用,对采集到齿轮三种状态下的振动信号成功地通过EMD提取了故障信号的特征信息,为识别故障类型提供了有效的分析手段。5)利用主成分与聚类相结合的分析方法对齿轮三种状态下采集到的振动信号的数据的时域和频域内的特征参数进行故障模式分类识别,再与基于EMD提取的齿轮故障特征进行对比,从而也是对基于EMD的齿轮故障特征信息提取与诊断分析的结果进行了逆向的验证。6)通过多元统计分析,对基于EMD的AR模型中提取齿轮三种状态下的振动信号的特征向量模板,进行聚类分析得到齿轮不同状态的模式分类,研究比较证明基于EMD的AR模型提取的故障特征信息能够反映齿轮不同的运行状态。并将所提取到的特征向量模板建立了一个基准模型,且用待检状态对模型进行了验证。证明基于EMD的AR模型在齿轮箱齿轮故障诊断中的可行性与准确性。通过研究,证明了利用虚拟仪器系统对齿轮箱快速诊断的可能性。同时也为农业生产实现田间现场简易诊断奠定一定的理论基础。

全文目录

摘要  5-6
Abstract  6-9
第一章绪论  9-16
  1.1 选题背景  9
  1.2 研究意义  9-10
  1.3 国内外发展状况  10-14
    1.3.1 故障诊断技术的发展状况  10-12
    1.3.2 齿轮及齿轮箱故障诊断的发展与研究现状  12-14
  1.4 本文的主要研究内容  14-16
    1.4.1 具体研究内容  14-15
    1.4.2 研究方法  15
    1.4.3 研究结论  15-16
第二章齿轮与齿轮箱的典型故障特征及其振动信号的处理方法  16-31
  2.1 引言  16-17
  2.2 齿轮振动机理分析  17-20
    2.2.1 齿轮振动特征频率的计算  18-20
  2.3 齿轮产生故障时的调制现象和边频带分布特点  20-22
  2.4 齿轮箱典型故障的振动信号特征  22-24
    2.4.1 齿轮裂纹  22
    2.4.2 齿轮点蚀、齿面剥落等轮齿表面故障  22-23
    2.4.3 齿轮磨损  23
    2.4.4 断齿  23
    2.4.5 齿轮偏心故障  23-24
    2.4.6 轴不对中  24
  2.5 齿轮箱振动信号的处理方法  24-30
    2.5.1 振动数据的获取  24-26
    2.5.2 信号处理分析的方法  26-30
  2.6 本章小结  30-31
第三章基于EMD的故障特征信息提取  31-40
  3.1 引言  31
  3.2 EMD的基本概念及理论  31-35
    3.2.1 EMD分解实质  31
    3.2.2 固有模态函数(IMF)  31-32
    3.2.3 经验模态分解(EMD)  32-35
  3.3 EMD应用到齿轮故障中的仿真检验  35-39
    3.3.1 基于EMD的齿轮故障特征提取分析  35-37
    3.3.2 仿真  37-39
  3.4 本章小结  39-40
第四章基于多元统计分析的故障特征信息提取  40-51
  4.1 引言  40
  4.2 多元统计分析概述  40-41
  4.3 主成分分析  41-45
    4.3.1 简介  41
    4.3.2 主成分算法基本原理  41-45
  4.4 时序模型分析法  45-49
    4.4.1 概述  45-46
    4.4.2 时间序列模型结构特征  46-47
    4.4.3 AR(n)模型的参数估计和阶次确定  47-49
  4.5 聚类分析方法与判别分析方法  49-50
  4.6 本章小结  50-51
第五章齿轮箱故障特征信息提取的实验研究与分析  51-75
  5.1 齿轮振动测试试验台的搭建  51
  5.2 数据采集系统的组成  51-53
  5.3 实验数据的采集与整理  53-55
    5 3.1 实验形象的参数  53-54
    5.3.2 实验条件的选取  54
    5.3.3 测点布置和选取  54-55
    5.3.4 振动测试方法及数据的获取  55
  5.4 特征提取  55-62
    5.4.1 振动信号的时域分析  55-56
    5.4.2 振动信号的频域分析  56-59
    5.4.3 用EMD提取齿轮故障特征信息  59-62
  5.5 用多元统计方法诊断齿轮故障  62-68
  5.6 用基于EMD的AR模型诊断齿轮故障  68-74
  5.7 本章小结  74-75
第六章全文总结与展望  75-77
  6.1 总结  75-76
  6.2 展望  76-77
参考文献  77-82
致谢  82-83
作者简介  83-84
导师评阅表  84

基于EMD的齿轮箱故障特征信息提取研究

内容摘要

全文目录

相似论文