齒輪箱故障非線性診斷方法的研究.pdf

1、齒輪箱是機械設(shè)備中一種不可缺少傳遞動力的部件,被廣泛用于各個行業(yè)中,它的運行工況直接影響著機械系統(tǒng)是否能夠正常運行,對其進行狀態(tài)檢測和故障診斷具有很強的現(xiàn)實意義。
　　 本研究首先分析了齒輪箱故障產(chǎn)生的機理和常用的信號處理方法,對采集到的齒輪箱數(shù)據(jù)利用小波軟硬閾值折中法進行信號消噪,通過與傳統(tǒng)的小波閾值消噪進行比較,說明了該消噪方法克服了傳統(tǒng)方法易出現(xiàn)間斷點和過消噪的現(xiàn)象,有理想消噪效果。為了有效提取出原信號的特征信息,分別利用

2、整體經(jīng)驗?zāi)Ｊ椒纸?EnsembleEmpiricalModeDecomposition,EEMD)與經(jīng)驗?zāi)Ｊ椒纸?EMD)方法對消噪后信號進行固有模態(tài)函數(shù)分解,從仿真結(jié)果可以看到EEMD相對于EMD來說,能克服頻率混疊,具有自適應(yīng)性強等特點。為了得到信號的特征值,分別利用樣本熵與近似熵對齒輪箱信號進行特征值提取,仿真結(jié)果表明樣本熵克服了近似熵在小樣本數(shù)據(jù)處理中相對一致性低的問題,并且運算速度也大大提高。因此,本研究首次提出了將EEMD與

3、樣本熵相結(jié)合的方法對齒輪箱故障信號進行特征提取,實驗結(jié)果表明采用這種特征提取方法能夠更有效的顯示出齒輪箱振動信號包含的狀態(tài)特征,具有很好的有效性和可行性。為了將齒輪箱的不同的工作狀態(tài)進行準確識別,將EEMD與樣本熵相結(jié)合方法所得到的樣本熵特征向量輸入到支持向量機分類器中,通過采用徑向基核函數(shù)進行模式識別,成功將齒輪箱正常、磨損、斷齒三種不同工作情況下狀態(tài)識別出來,達到了有效診斷齒輪箱故障的目的。
　　 本研究首次將改進的小波閾值