基于EEMD和優(yōu)化的MP算法在齒輪箱故障診斷中的研究.pdf

1、齒輪箱是機械設(shè)備中傳遞動力和旋轉(zhuǎn)運動的最重要部件,為了保證齒輪箱能在高效率、高精度、高載荷條件下連續(xù)正常工作,對齒輪箱故障的分析與研究變得越來越重要。
　　提取故障特征信息是齒輪箱故障診斷的關(guān)鍵,而信號處理是特征提取的最常用方法之一,由于齒輪箱振動信號的采集比較方便且能很好的表征出故障特征信息,因此,本文將主要分析與處理在齒輪箱旋轉(zhuǎn)過程中獲取的振動信號。
　　實驗中采集到的振動信號成分復(fù)雜且有較強的非平穩(wěn)性,使信號的特征被湮

2、沒掉,造成信號分析的不準確。本論文利用基于遺傳算法優(yōu)化的匹配追蹤(GAMP)算法對振動信號消噪,對比不同次數(shù)分解所需的計算時間,以及分解得到的重構(gòu)信號與原始信號的均方誤差和信噪比,找到了比較合適的分解次數(shù),達到了很好的消噪效果。由于匹配追蹤(MP)算法是以具有簡諧振動和雙面指數(shù)衰減振動特點的高斯函數(shù)作為基函數(shù)來對信號進行線性展開,對于消噪后的信號可能存在虛假頻率成分或一些不連續(xù)分量,本文利用總體平均經(jīng)驗?zāi)Ｊ椒纸?EEMD)方法來剔除這些

3、虛假的頻率成分,針對分解過程中可能出現(xiàn)的端點效應(yīng),提出通過相關(guān)度從所有的IMF中選取反映故障特征敏感的IMF,剔除掉信號中的虛假頻率成分,提取出特征頻率。
　　本文研究中用到的實驗平臺是由電動機、兩臺齒輪箱、渦流制動器通過聯(lián)軸器連接的一套傳動系統(tǒng),在齒輪箱上預(yù)先設(shè)定了齒面磨損、軸承外圈、滾動體以及保持架故障,通過數(shù)據(jù)采集系統(tǒng)獲取不同狀態(tài)工況下的齒輪箱振動信號。首先,采用基于遺傳算法優(yōu)化的MP算法對這些振動信號進行消噪處理,很好的鎖