基于粒子濾波方法的齒輪箱故障診斷技術(shù).pdf

1、齒輪箱在機(jī)械傳動(dòng)的各個(gè)領(lǐng)域中應(yīng)用十分廣泛，因此對(duì)齒輪箱進(jìn)行故障狀態(tài)監(jiān)測(cè)和故障診斷具有重大的現(xiàn)實(shí)意義。齒輪箱的狀態(tài)是通過(guò)測(cè)量齒輪箱振動(dòng)加速度信號(hào)來(lái)反映的，然而實(shí)際采集到的齒輪箱振動(dòng)信號(hào)往往是非平穩(wěn)的，而且大量的故障信息往往被背景噪聲所淹沒(méi)，因此對(duì)齒輪箱故障診斷時(shí)進(jìn)行濾波降噪處理就很有必要。
　　粒子濾波憑借其對(duì)非線性、非高斯信號(hào)的處理能力，在齒輪箱故障診斷的信號(hào)降噪處理上得到了廣泛應(yīng)用。UPF粒子濾波由于其由UKF產(chǎn)生的重要性密度函

2、數(shù)與真實(shí)狀態(tài)的概率密度函數(shù)的支集重疊部分更大，估計(jì)的精度更高、更準(zhǔn)確，因此文中運(yùn)用UPF粒子濾波降噪。
　　文中提出了一種對(duì)采集的振動(dòng)信號(hào)平穩(wěn)化的方法，該方法不僅可以使時(shí)間序列符合建模平穩(wěn)性的要求，還可以達(dá)到信號(hào)初降噪的目的。首先對(duì)振動(dòng)信號(hào)進(jìn)行EMD分解，然后將高頻IMF分量采用小波閾值降噪預(yù)處理，最后選擇高頻小波閾值降噪后的IMF與部分低頻的IMF進(jìn)行重構(gòu)。
　　文中選擇建立信號(hào)的AR模型，并依據(jù)時(shí)間序列的自相關(guān)函數(shù)和偏相

3、關(guān)函數(shù)的統(tǒng)計(jì)特性驗(yàn)證了AR模型的合理性。運(yùn)用FPE準(zhǔn)則、BIC準(zhǔn)則和AIC準(zhǔn)則進(jìn)行AR模型階數(shù)辨識(shí)，同時(shí)采用三種定階準(zhǔn)則可以使階數(shù)確定更加合理準(zhǔn)確。應(yīng)用最小二乘法對(duì)AR模型的參數(shù)進(jìn)行估計(jì)計(jì)算，確定AR模型相應(yīng)參數(shù)。
　　最后利用所建立的信號(hào)AR模型轉(zhuǎn)化為系統(tǒng)內(nèi)部空間模型，并確定模型的相應(yīng)參數(shù)，運(yùn)用UPF對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行降噪處理。
　　結(jié)合上述理論分析，運(yùn)用UPF粒子濾波技術(shù)對(duì)實(shí)驗(yàn)室采集的齒輪箱振動(dòng)加速度信號(hào)進(jìn)行降噪，通過(guò)對(duì)濾波