本文關(guān)鍵詞：齒輪箱工作模態(tài)盲辨識(shí)及其故障診斷

  更多相關(guān)文章： ICA 工作模態(tài)分析 盲辨識(shí) 齒輪箱

【摘要】：基于振動(dòng)信號(hào)處理的齒輪箱故障診斷，忽略了齒輪箱系統(tǒng)的固有特性，在實(shí)際應(yīng)用中對(duì)非勻速工況的故障識(shí)別略顯不足。模態(tài)參數(shù)指系統(tǒng)的固有頻率、模態(tài)振型以及阻尼比，它反映機(jī)械系統(tǒng)的動(dòng)態(tài)特性，機(jī)械系統(tǒng)在故障工況下其動(dòng)態(tài)特性必然發(fā)生變化，因此通過(guò)模態(tài)分析繼續(xù)機(jī)械系統(tǒng)的故障診斷具有重要的理論意義和工程實(shí)用價(jià)值。 獨(dú)立分量分析（Independent Component Analysis，ICA）是信號(hào)分析的一種工具，它是在信源和傳輸條件均未知的條件下，僅根據(jù)源信號(hào)的統(tǒng)計(jì)特性，從觀測(cè)信號(hào)中將各獨(dú)立分量從混合信號(hào)中分離出來(lái)。工作模態(tài)分析不需要系統(tǒng)的激勵(lì)信號(hào)，實(shí)際上是系統(tǒng)模態(tài)參數(shù)的一種盲辨識(shí)方法，它與獨(dú)立分量分析對(duì)源信號(hào)的盲分解思路一致，研究基于ICA的工作模態(tài)參數(shù)盲辨識(shí)方法，將拓展ICA技術(shù)的應(yīng)用領(lǐng)域。 本文在對(duì)理論研究的基礎(chǔ)上，以齒輪箱體為模型，基于齒輪箱在線工作時(shí)的振動(dòng)信號(hào)，，進(jìn)行了基于ICA的齒輪箱工作模態(tài)參數(shù)盲辨識(shí)技術(shù)研究，并將其辨識(shí)結(jié)果應(yīng)用到齒輪箱故障診斷中，有效識(shí)別了故障。文中為驗(yàn)證基于ICA的工作模態(tài)盲辨識(shí)算法的有效性，在Adams中進(jìn)行了基于虛擬樣機(jī)的仿真，并用ICA方法對(duì)仿真數(shù)據(jù)進(jìn)行了分析，與理論結(jié)果進(jìn)行了對(duì)比。通過(guò)與test.Lab軟件polyMax模塊的計(jì)算結(jié)果進(jìn)行對(duì)比，驗(yàn)證了ICA識(shí)別工作模態(tài)參數(shù)的正確性。
【關(guān)鍵詞】：ICA 工作模態(tài)分析 盲辨識(shí) 齒輪箱
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TH165.3;TH132.4
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-18
• 1.1 選題背景與意義9-10
• 1.2 獨(dú)立分量分析國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.3 工作模態(tài)分析國(guó)內(nèi)外研究現(xiàn)狀11-12
• 1.4 模態(tài)參數(shù)識(shí)別方法12-16
• 1.5 基于 ICA 的工作模態(tài)盲辨識(shí)16-17
• 1.6 文章的結(jié)構(gòu)與主要內(nèi)容17-18
• 2 獨(dú)立分量分析的基本原理18-27
• 2.1 獨(dú)立分量分析的數(shù)學(xué)模型18-19
• 2.2 獨(dú)立分量分析的優(yōu)化判據(jù)19-24
• 2.3 基于負(fù)熵的 FASTICA 算法24-25
• 2.4 分離效果評(píng)價(jià)25-26
• 2.5 本章小結(jié)26-27
• 3 齒輪箱故障分析及實(shí)驗(yàn)27-37
• 3.1 齒輪箱的主要故障形式27-30
• 3.2 齒輪箱故障分析30-34
• 3.3 實(shí)驗(yàn)平臺(tái)與故障的設(shè)置34-36
• 3.4 本章小結(jié)36-37
• 4 基于 ICA 的模態(tài)參數(shù)辨識(shí)方法37-49
• 4.1 工作模態(tài)分析原理37-40
• 4.2 基于 ICA 的機(jī)械系統(tǒng)模態(tài)獨(dú)立性分析及參數(shù)識(shí)別方法40-42
• 4.3 基于 Adams 的仿真驗(yàn)證42-48
• 4.4 本章小結(jié)48-49
• 5 齒輪箱模態(tài)參數(shù)識(shí)別及故障診斷49-64
• 5.1 基于 PolyMAX 的模態(tài)參數(shù)識(shí)別原理49-51
• 5.2 基于 PolyMAX 的齒輪箱模態(tài)參數(shù)識(shí)別51-56
• 5.3 基于 ICA 的齒輪箱模態(tài)參數(shù)盲辨識(shí)及故障診斷56-63
• 5.4 本章小結(jié)63-64
• 6 總結(jié)與展望64-66
• 6.1 總結(jié)64-65
• 6.2 展望65-66
• 參考文獻(xiàn)66-71
• 致謝71-72
• 攻讀碩士期間發(fā)表的論文及參加的科研項(xiàng)目72-73

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉喜武;高偉;張寧;劉婉瑩;;基于帶狀混合矩陣ICA實(shí)現(xiàn)地震盲反褶積[J];地球物理學(xué)進(jìn)展;2007年04期

2 梁君;趙登峰;;工作模態(tài)分析理論研究現(xiàn)狀與發(fā)展[J];電子機(jī)械工程;2006年06期

3 凌潔;劉琚;孫建德;孫興華;;基于視覺(jué)模型的迭代AQIM水印算法[J];電子學(xué)報(bào);2010年01期

4 凌燮亭;近場(chǎng)寬帶信號(hào)源的盲分離[J];電子學(xué)報(bào);1996年07期

5 梁亮;楊敏華;李英芳;;基于ICA與SVM算法的高光譜遙感影像分類[J];光譜學(xué)與光譜分析;2010年10期

6 孫鑫暉;郝木明;李振濤;;基于極大似然估計(jì)的多參考點(diǎn)模態(tài)參數(shù)識(shí)別方法[J];工程力學(xué);2013年10期

7 姚謙峰;張曉丹;;二階統(tǒng)計(jì)量盲辨識(shí)在模態(tài)參數(shù)識(shí)別中的應(yīng)用[J];工程力學(xué);2011年10期

8 王衛(wèi)華;黃鳳崗;;基于計(jì)算聽(tīng)覺(jué)場(chǎng)景分析的語(yǔ)音盲分離方法[J];哈爾濱工程大學(xué)學(xué)報(bào);2008年04期

9 韓捷,張琳娜;齒輪故障的振動(dòng)頻譜機(jī)理研究[J];機(jī)械傳動(dòng);1997年02期

10 李志農(nóng);郝偉;韓捷;褚福磊;吳昭同;;基于非線性時(shí)序模型盲辨識(shí)的因子隱Markov模型識(shí)別方法[J];機(jī)械工程學(xué)報(bào);2007年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王軍華;圖像盲源分離的多尺度幾何分析方法[D];上海大學(xué);2009年

2 王衛(wèi)華;盲源分離算法及應(yīng)用研究[D];哈爾濱工程大學(xué);2009年

本文編號(hào)：877352