基于小波包特征提取和流向圖故障決策的齒輪故障診斷.pdf

1、齒輪作為生產(chǎn)傳動的重要部件,廣泛應用于生產(chǎn)和生活的各個領域,其穩(wěn)定可靠的工作具有重要社會意義。但是齒輪的故障失效是不可避免的,為了減少由于齒輪失效導致的生產(chǎn)損失,需要對齒輪進行實時的監(jiān)測,檢測齒輪故障,在齒輪失效之前替換故障齒輪避免嚴重的生產(chǎn)損失。
　　對于齒輪的故障檢測有多種多樣的方法,本文提出了基于小波包特征提取和流向圖故障決策的齒輪故障診斷方法,進行齒輪的故障檢測與診斷。
　　本文首先分析了齒輪故障時振動信號的變化形式

2、,同時將實驗提取的振動信號與理論分析相對比,驗證理論分析的準確性;運用時域和頻域特征指標來表征這些齒輪振動信號特征。
　　通過理論分析得出齒輪的振動信號特征之后,運用小波包進行故障特征的提取。本文引入了一種新的小波消噪方法,消除了小波消噪中分解層次和消噪閾值選擇困難的問題,同時分析了一種新的小波包變換方法,消除了頻率混淆和頻帶錯亂問題,減少了故障特征提取中的誤差。
　　本文研究了一種故障流向圖表示方法,運用故障流向圖分析提取

3、的征兆屬性對于齒輪故障診斷的重要性,以及這些征兆屬性與最終故障診斷的關系。運用故障流向圖對提取的征兆屬性進行層次和節(jié)點的約簡,消除征兆屬性中的冗余信息,減少計算復雜度。通過約簡之后的信息生成決策規(guī)則,來達到故障診斷的目的。同時分析說明故障流向圖的增量學習算法,提高了故障流向圖的適應性。
　　最后,本文結合故障仿真實驗平臺,仿真齒輪在不同故障不同工況下的振動信號。結合前四章的理論分析,對信號進行小波包分析提取征兆屬性,運用故障流向圖