基于局部均值分解和證據理論的變速箱故障診斷研究.pdf

1、中圖分類號THll3UDC621碩士學位論文學校代碼密級10533基于局部均值分解和證據理論的變速箱故障診斷研究FaultdiagnosistechnologyofavehiclesgearboxbasedonLMDandDSevidence名：何雷業(yè)：機械電子工程向：旋轉機械故障診斷及預測所)：機電工程學院師：譚建平答辯委員會主席蘭西中南大學二。一四年五月姓專方系教者科究皖導作學研學指基于局部均值分解和證據理論的變速箱故障診斷技術研究

2、摘要：某特種車傳動系統(tǒng)應用環(huán)境惡劣，作為傳動系統(tǒng)的核心部件變速箱，長期承受大載荷、強沖擊，容易出現(xiàn)各類齒輪、軸承故障，為裝甲車的維護帶來極大的不便。本文以變速箱為研究對象，對強干擾環(huán)境下的變速箱故障診斷技術進行研究。論文研究內容主要包括以下幾點：(1)論述了變速箱故障診斷技術和信息融合技術的發(fā)展概況，研究了特種裝甲車變速箱的結構和故障機理。設計和搭建了臺架實驗平臺，加工制作軸承、齒輪故障件近百件，測取了豐富全面的故障信號，為后續(xù)研究提供

3、了基礎。(2)研究了基于LMD分解法的故障診斷技術，并結合小波消噪、峭度指標對LMD方法進行優(yōu)化改進，以適應強干擾環(huán)境下變速箱的故障診斷。同時結合Teager能力算子解調進行診斷。分析結果表明，改進后的LMD方法結合Teager算子解調能有效應用于強干擾環(huán)境下的變速箱故障診斷。針對軸承間隙故障難以診斷和識別的難點，本文提出了一種基于LMD和LV復雜度的軸承徑向故障程度識別的方法，能有效識別和衡量軸承徑向磨損程度。(3)研究了基于神經網絡

4、的單傳感器局部智能故障診斷模型，提取了時頻特征值、小波分解特征值、LMD分解特征值作為診斷模型的輸入量，并對比分析診斷效果。分析結果表明，基于改進的LMD和神經網絡診斷正確率最高，達到88％。(4)分析了基于DS證據理論的信息融合算法，并提出證據理論的改進策略，構建了多傳感器信息融合的故障診斷結構框架。實驗分析表明，基于改進LMD和DS證據理論的多信息融合診斷方法，能有效應用于強干擾環(huán)境下的變速箱故障診斷，診斷正確率高達96％。本文含圖