基于局部均值分解的齒輪故障診斷方法.pdf

1、齒輪是機(jī)械設(shè)備中一種常見的通用零部件，它通常負(fù)責(zé)連接和傳遞動力。由于工作環(huán)境惡劣等因素，齒輪極易發(fā)生故障而直接影響到相關(guān)機(jī)械設(shè)備的運行狀態(tài)，因此，對齒輪進(jìn)行故障監(jiān)測和診斷具有重要意義。
　　 齒輪故障診斷的核心和關(guān)鍵就是提取齒輪故障特征，對齒輪的故障位置和損壞程度作出判斷，而齒輪振動信號與齒輪工作狀態(tài)密切相關(guān)，其中往往包含大量的故障信息。本文正是針對齒輪故障振動信號的非平穩(wěn)性及其多為多分量的調(diào)制信號之和等特性，將局部均值分解(簡

2、稱LMD)引入齒輪故障診斷，進(jìn)一步將LMD方法與能量算子解調(diào)、循環(huán)頻率解調(diào)、譜峭度方法相結(jié)合應(yīng)用于齒輪故障診斷，并在LMD的基礎(chǔ)上提出了局部特征尺度分解(簡稱LCD)方法。本文的主要研究內(nèi)容如下：
　　 1、針對齒輪故障振動信號大多數(shù)為若干的調(diào)幅調(diào)頻信號之和這一特點，將LMD方法應(yīng)用于齒輪故障診斷中。LMD是一種新的自適應(yīng)時頻分析方法，它能將復(fù)雜的非平穩(wěn)多分量調(diào)幅調(diào)頻信號從高頻到低頻分解為有限個單分量的調(diào)幅調(diào)頻信號之和，因此非常

3、適合齒輪故障信號分析。通過仿真信號對比分析和實際的齒輪故障信號分析可知，LMD方法具有更好的自適應(yīng)性和時頻聚集性，能夠更精確地獲得信號的瞬時頻率和瞬時幅值，能夠得到更加清晰和完整的時頻分布。
　　 2、針對齒輪故障信號的調(diào)制特性，且從調(diào)制信息中通常能提取出故障特征這一特點，提出了基于LMD的能量算子解調(diào)和循環(huán)頻率解調(diào)齒輪故障診斷方法。該方法先利用LMD將信號分解為一系列的乘積函數(shù)(簡稱PF)，然后分別利用能量算子解調(diào)和循環(huán)頻率解

4、調(diào)獲得相關(guān)PF分量的幅值調(diào)制信息和相位調(diào)制信息，從而提取出故障特征進(jìn)行故障診斷。將該方法運用于齒輪振動信號故障診斷中，并和LMD直接法進(jìn)行對比分析，證明了該方法的優(yōu)越性。
　　 3、針對齒輪故障振動信號在解調(diào)分析之前一般要通過濾波來確定包含故障信息的最佳頻段，而濾波參數(shù)又無法準(zhǔn)確確定，只能依靠歷史數(shù)據(jù)和人工經(jīng)驗這一問題，提出了基于LMD的譜峭度齒輪故障診斷方法。該方法在LMD時頻分析的基礎(chǔ)上獲得信號峭度圖，根據(jù)最大峭度原則在峭度

5、圖上選取最佳濾波頻段從而獲得最佳濾波參數(shù)對原始信號進(jìn)行濾波，再對濾波后的信號進(jìn)行包絡(luò)解調(diào)分析提取出故障特征。實驗結(jié)果證明，該方法具有有效性。
　　 4、針對LMD計算量大，運算速度慢，不適于在線監(jiān)測的特點，采用基于極值點的局部特征尺度參數(shù)，定義了另一種瞬時頻率具有物理意義的單分量信號--內(nèi)稟尺度分量(簡稱ISC)，在此基礎(chǔ)上提出了LCD方法。LCD方法也是一種自適應(yīng)的分解方法，能夠?qū)⒍喾至康男盘柗纸鉃閱畏至啃盘栔?，通過分別與E