隨著我國綜合實力的日益提升和科技水平的不斷進步,現(xiàn)代工業(yè)對高質(zhì)量、低成本產(chǎn)品和安全生產(chǎn)的需求越來越高,工業(yè)機械設備的維護策略也快速從預防性維護轉(zhuǎn)向為基于運行狀態(tài)的實時監(jiān)測與智能故障診斷。旋轉(zhuǎn)機械是機械設備中最廣泛普遍的類型之一,在工業(yè)應用中具有不可替代的地位。而基于旋轉(zhuǎn)機械設備的狀態(tài)監(jiān)測與故障維護可以有效減少運行機組突發(fā)性的停機次數(shù),甚至避免災難性的事故。因此,發(fā)展研究旋轉(zhuǎn)機械的故障診斷技術對于確保工業(yè)設備的安全高效運行具有十分重要的意義。作為機械設備中的關鍵零部件,齒輪廣泛運用于工業(yè)生產(chǎn)線的傳動系統(tǒng),在幾乎所有類型的旋轉(zhuǎn)機械中都扮演著重要角色,機組設備的工作效率、運行狀態(tài)都和它緊密相關。因此,本文以齒輪為研究對象,針對齒輪早期的弱局部性故障,在特征提取、噪聲抑制和齒輪箱系統(tǒng)復合故障的解耦分離等方面展開了深入研究。針對齒輪箱系統(tǒng)中齒輪信號的非線性、不平穩(wěn)現(xiàn)象,本文充分借鑒利用共振稀疏分解（RSSD）算法。區(qū)別于傳統(tǒng)線性分離的信號處理技術,該方法可以將復雜信號分解為包含不同共振屬性（振蕩次數(shù)）的高低分量,更適用于具有明顯非線性和非平穩(wěn)特性的振動信號。但RSSD方法對噪聲敏感,抗噪性能差,... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：162 頁

【學位級別】：博士

【部分圖文】：

圖２－３齒輪沖擊．型故障信號形成過程：（ａ）為振蕩衰減響應，（ｃ）為周期性脈沖，（ｅ）為齒輪局??部性故障信號，（ｃ）、（ｄ）、（ｆ）分別為對應的頻域波形??２２??

博士學位論文?２齒輪振動響應機理及共振稀疏分３齒輪振動信號模型??實際工況下，局部性故障激勵的齒輪振動信號的時域波形不僅僅是簡諧振動包含一系列以故障頻率為特征的周期性沖擊。在頻域中，信號反映為包含齒輪及其諧波，兩側(cè)并伴有間隔相等的調(diào)制邊頻帶，通常情況下調(diào)制邊頻為枏應轉(zhuǎn)頻率。在齒輪箱系統(tǒng)中，齒輪副的某一局部缺陷或故障會引起碰撞沖擊型或故障與其他部件接觸傳動時，會產(chǎn)生相應沖擊、并引起單個脈沖，其中蘊含特征信息。故障沖擊的特征頻率通常取決于部件的設計特征。同時，齒輪故障沖擊分量還會引起振動信號的調(diào)制現(xiàn)象。如何有效提高特征頻率的檢測和識別的故障診斷研究具有重要的意義。如圖２－４所示，故陣齒輪的信號成分復雜，和其他成分的干擾下，故障特征很容易被淹沒掩蓋。??

Ｗ為高次諧波的最大階數(shù)，／＿Ａ為嚙合頻率，／ｇ為驅(qū)動輪轉(zhuǎn)頻，／；為從動輪??轉(zhuǎn)頻，４，和也分別是第”階嚙合頻率的幅值、初始相位，４ｄ、４和么，、ｔ分別是主動??輪、從動輪對應的幅值、初始相位。圖２－５是齒輪在健康狀態(tài)下振動信號。??當齒輪運行狀況良好時，齒輪信號在頻譜上主要以嚙合頻率成分為主，其高次諧頻逐??次減小，且齒輪副的嚙合頻率及其倍頻的幅值較低。但在齒輪長期運行、發(fā)生故障條件下，??齒輪的固有頻率及其嚙合頻率會被一起激勵。齒輪的故障類型根據(jù)振動特性主要分為以下??兩類：分布型故障和局部型故障［１Ｇ８］。其中，局部型故障主要包括齒根裂紋、齒面磨損等，??在齒輪副嚙合接觸過程中引起周期性碰撞沖擊，并伴隨有振動信號的調(diào)制現(xiàn)象，其頻譜在??嚙合頻人處形成數(shù)量眾多且均勻分布的邊頻帶；典型的分布式故障包括齒輪不對中、偏??心等，其頻域波形在齒輪嚙合頻／？＿處顯示出高能量峰值。??０?０．０５?０．１?０．１５?０．２?０．２５?０．３?０．３５?０．４?０．４５?０．５??時間／Ｓ??圖２－５健康狀態(tài)下齒輪振動信號??本章研究以齒根裂紋等典型局部性故障類型為主。當齒輪發(fā)生局部性故障時，其振動??信號ｘ⑴主要由兩部分組成：齒輪嚙合相關信號和齒輪故障相關信號其表??達式為：??⑷＋?ｘ細丨（２－１１）??式（２－１１）中齒輪嚙合相關信號ｘ？，￡ｓＡ〇〇分別是齒輪副主動輪、從動輪的旋轉(zhuǎn)振動分量??及其高次諧波

【參考文獻】：
期刊論文
[1]基于瞬時包絡尺度譜熵的滾動軸承早期故障奇異點識別及特征提取[J]. 孫鮮明,劉歡,趙新光,周勃.  機械工程學報. 2017(03)
[2]過程功率譜熵在轉(zhuǎn)子振動定量診斷中的應用[J]. 白斌,白廣忱,李超.  航空發(fā)動機. 2015(01)
[3]復合Q因子基在齒輪箱微弱故障特征提取中的應用[J]. 崔玲麗,莫代一,王婧.  北京工業(yè)大學學報. 2014(11)
[4]多尺度模糊熵及其在滾動軸承故障診斷中的應用[J]. 鄭近德,陳敏均,程軍圣,楊宇.  振動工程學報. 2014(01)
[5]基于信號共振稀疏分解的包絡解調(diào)方法及其在軸承故障診斷中的應用[J]. 陳向民,于德介,羅潔思.  振動工程學報. 2012(06)
[6]基于時頻的頻帶熵方法在滾動軸承故障識別中的應用[J]. 王小玲,陳進,從飛云.  振動與沖擊. 2012(18)
[7]基于EEMD的奇異譜熵在旋轉(zhuǎn)機械故障診斷中的應用[J]. 高清清,賈民平.  東南大學學報(自然科學版). 2011(05)
[8]Research on Gear-box Fault Diagnosis Method Based on Adjusting-learning-rate PSO Neural Network[J]. 潘宏俠,馬清峰.  Journal of DongHua University. 2006(06)
[9]基于EMD的時頻熵在齒輪故障診斷中的應用[J]. 于德介,張嵬,程軍圣,楊宇.  振動與沖擊. 2005(05)
[10]基于信息融合與神經(jīng)網(wǎng)絡的復合振動故障診斷[J]. 陳丁躍.  振動、測試與診斷. 2004(04)

博士論文
[1]圖譜理論在齒輪箱故障診斷中的應用研究[D]. 歐璐.湖南大學 2016
[2]復合齒輪傳動系統(tǒng)振動響應調(diào)制機理及稀疏分離方法研究[D]. 何國林.華南理工大學 2015
[3]局部特征尺度分解方法及其在機械故障診斷中的應用研究[D]. 鄭近德.湖南大學 2014



本文編號：3531013