本文關(guān)鍵詞：齒輪箱故障診斷及其機(jī)器學(xué)習(xí)算法應(yīng)用研究

  更多相關(guān)文章： 齒輪箱 故障診斷 時(shí)域同步平均 殘余信號(hào) 連續(xù)小波分析 小波包分析 支持向量機(jī) 一類學(xué)習(xí)

【摘要】：齒輪作為動(dòng)力傳動(dòng)系統(tǒng)的核心部件,對(duì)其運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)和診斷具有重要意義。傳統(tǒng)的研究思路為已知某種故障類型,根據(jù)某種信號(hào)處理方法進(jìn)行故障檢測(cè),能夠達(dá)到很好的效果�，F(xiàn)實(shí)中,面對(duì)實(shí)際齒輪箱故障類型未知,各種故障隨時(shí)可能發(fā)生的危險(xiǎn),單一對(duì)某種故障進(jìn)行監(jiān)測(cè)存在極大不足,同時(shí),在復(fù)雜的齒輪箱系統(tǒng)中,多對(duì)齒輪同時(shí)嚙合,形成強(qiáng)大的背景噪聲,為齒輪早期微弱故障的特征提取造成了極大不便。本文試圖以復(fù)雜的傳動(dòng)系統(tǒng)作為研究對(duì)象,從齒輪常見(jiàn)故障類型出發(fā),分析常見(jiàn)故障類型的故障機(jī)理,研究復(fù)雜環(huán)境下的齒輪故障特征提取方法,延續(xù)傳統(tǒng)研究思路,從各個(gè)角度提取常見(jiàn)故障類型故障特征,最后通過(guò)機(jī)器學(xué)習(xí)方法,根據(jù)所有能夠表征故障的特征信息作為機(jī)器學(xué)習(xí)輸入,訓(xùn)練正常樣本,得到正常樣本在高維空間張成的分界曲面,把未知類型樣本作為待檢測(cè)樣本,達(dá)到實(shí)時(shí)在線監(jiān)測(cè)、判斷的目的。主要結(jié)論如下 (1)針對(duì)齒輪的調(diào)制特點(diǎn),在帶通濾波的基礎(chǔ)上,用希爾伯特變換解調(diào)法提取調(diào)制信號(hào)特征,用實(shí)際直升機(jī)振動(dòng)數(shù)據(jù)驗(yàn)證,具有明顯的診斷效果。 (2)針對(duì)復(fù)雜環(huán)境下的齒輪振動(dòng)背景噪聲強(qiáng),研究了基于周期的時(shí)域同步平均方法原理,在劉紅星的基礎(chǔ)上提出用提高采樣頻率的方法,可以極大地提高平均次數(shù),同時(shí)有用信號(hào)不會(huì)得到很大衰減。此外,分析了相位誤差累計(jì)效應(yīng),提出在轉(zhuǎn)速波動(dòng)的情況下,用基于時(shí)標(biāo)的角域平均能夠起到很好地平均效果,得到的角域同步平均信號(hào)具有較高的信噪比。 (3)針對(duì)時(shí)域同步平均信號(hào)中嚙合頻率及其諧波能量較大的特點(diǎn),齒輪微弱故障特征往往被這些主要能量成分所淹沒(méi),提出用殘余信號(hào)的方法進(jìn)行微弱故障特征提取,給出了殘余信號(hào)的提取方法,以及用幅值域分析方法對(duì)實(shí)際齒輪副進(jìn)行了分析,結(jié)果表明,相比直接用時(shí)域同步平均信號(hào)進(jìn)行幅值域分析,殘余信號(hào)具有更高的故障靈敏度。 (4)針對(duì)齒輪故障發(fā)生具有非平穩(wěn)特點(diǎn),用小波降噪的方法對(duì)環(huán)境隨機(jī)噪聲進(jìn)行了降噪,通過(guò)齒輪故障發(fā)生的調(diào)幅調(diào)頻特點(diǎn),仿真了調(diào)幅調(diào)頻信號(hào)在高斯噪聲的情況下,用小波閾值對(duì)其進(jìn)行了降噪處理,分析了不同閾值準(zhǔn)則、不同母小波函數(shù)以及分解層數(shù)對(duì)小波閾值降噪的影響,結(jié)果表明,采用heursure規(guī)則為佳,選用sym8母小波以及分解層數(shù)為4-6層時(shí),降噪效果最好。 同時(shí),用連續(xù)小波變換的方法對(duì)實(shí)際振動(dòng)數(shù)據(jù)進(jìn)行了分析,運(yùn)用各尺度下能量特征提取的方法進(jìn)行了故障特征提取,用歐氏距離的方法比較了同種類型以及不同類型齒輪特征向量之間的歐氏距離。針對(duì)齒根裂紋故障,提出用時(shí)域同步平均的方法進(jìn)行連續(xù)小波變換、能量特征提取具有很好的診斷效果,相比用小波去噪方法,時(shí)域同步平均方法具有更好的診斷效果。同時(shí),針對(duì)齒根裂紋故障或者在嚙合頻率處無(wú)表征的故障類型,用殘余信號(hào)的連續(xù)小波變換、能量特征提取的方法具有更好的診斷效果,此方法針對(duì)不同傳感器測(cè)點(diǎn)之間的同種類型齒輪,仍然具有較好的分辨能力。 最后,用殘余信號(hào)的小波包分析方法進(jìn)行了故障診斷,實(shí)驗(yàn)結(jié)果表明,在計(jì)算時(shí)間少的前提下,用殘余信號(hào)的小波包分解以及能量特征提取,采用歐氏距離比較的方法與用連續(xù)小波分析方法具有同等診斷效果,對(duì)于實(shí)時(shí)監(jiān)測(cè)診斷具有重要價(jià)值。 (5)針對(duì)實(shí)際工程故障樣本難以收集等樣本不對(duì)稱情況,提出無(wú)須長(zhǎng)時(shí)間進(jìn)行故障指標(biāo)門限值統(tǒng)計(jì)的支持向量機(jī)一類學(xué)習(xí)算法,對(duì)正常樣本進(jìn)行訓(xùn)練,其他類型樣本作為待檢測(cè)樣本,達(dá)到實(shí)時(shí)診斷的效果。文章提出,對(duì)于在嚙合頻率無(wú)表征的故障類型,用基于殘余信號(hào)的小波包分解、能量特征提取的支持向量機(jī)一類學(xué)習(xí)方法進(jìn)行機(jī)器學(xué)習(xí),具有較高的判斷準(zhǔn)確率,對(duì)于在嚙合頻率有表征的故障類型,采用基于TSA信號(hào)的小波包分解、能量特征提取的支持向量機(jī)一類學(xué)習(xí)算法進(jìn)行機(jī)器學(xué)習(xí),具有較高的判斷準(zhǔn)確率。
【學(xué)位授予單位】：五邑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH165.3;TP181

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 樊可清,倪一清,高贊明;基于SVM的橋梁狀態(tài)監(jiān)測(cè)方法[J];公路交通科技;2004年01期

2 李輝;鄭海起;潘宏俠;;基于階次跟蹤和角域平均的齒輪裂紋故障診斷[J];中北大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

3 李延斌,鄭 鵬,張文祥,陳長(zhǎng)征;齒輪故障診斷技術(shù)現(xiàn)狀與展望[J];機(jī)械設(shè)計(jì)與制造;2002年02期

4 倪兵兵;鄭曉星;李霆;黃鶴玲;;基于一類學(xué)習(xí)的支持向量機(jī)核參數(shù)選擇方法[J];統(tǒng)計(jì)與決策;2010年17期

5 林京;基于最大似然估計(jì)的小波閾值消噪技術(shù)及信號(hào)特征提取[J];儀器儀表學(xué)報(bào);2005年09期

6 劉紅星,左洪福,姜澄宇,屈梁生;信號(hào)時(shí)域平均處理的新算法[J];振動(dòng)工程學(xué)報(bào);1999年03期

7 劉紅星,林京,屈梁生,李振武;信號(hào)時(shí)域平均處理中的若干問(wèn)題探討[J];振動(dòng)工程學(xué)報(bào);1997年04期

，

本文編號(hào)：1233427