本文關(guān)鍵詞：基于EMD的齒輪箱故障特征提取方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著工業(yè)技術(shù)的高速發(fā)展,齒輪箱越來(lái)越受到人們的普遍關(guān)注。汽車、機(jī)車及船舶的運(yùn)轉(zhuǎn)都離不開(kāi)它。齒輪箱通常由軸、齒輪、軸承以及箱體等零部件組成。齒輪、軸、軸承的健康狀態(tài)對(duì)機(jī)械設(shè)備的正常運(yùn)轉(zhuǎn)起到了關(guān)鍵的作用。 文章由傳統(tǒng)的測(cè)振方法引出本文的工作重點(diǎn)。先對(duì)一般的時(shí)頻分析法進(jìn)行了介紹,在此基礎(chǔ)上將小波分解法應(yīng)用到信號(hào)的消噪中,相比傅利葉消噪具有明顯優(yōu)勢(shì)。針對(duì)機(jī)械故障數(shù)據(jù)的信息量大等特點(diǎn),引入基于EMD特征提取思想。本文第4章和第5章分別將PCA和流形LPP方法應(yīng)用到實(shí)際故障診斷中。 本文的主要工作包括： (1)本文分析了傳統(tǒng)時(shí)頻分析法在振動(dòng)信號(hào)中的應(yīng)用,并指出了不能處理非平穩(wěn)、非線性信號(hào)的關(guān)鍵問(wèn)題。在此基礎(chǔ)上介紹了新的方法-——Hilbert-Huang變換,對(duì)模擬信號(hào)進(jìn)行了經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,簡(jiǎn)稱EMD),同時(shí)經(jīng)過(guò)Hilbert-Huang變換得到了Hilbert邊際譜和HHT譜。 (2)將支持向量機(jī)(Support Vector Machine,簡(jiǎn)稱SVM)引入齒輪箱的故障診斷中,構(gòu)建SVM網(wǎng)絡(luò)模型。介紹了EMD分解中內(nèi)稟能量熵的定義,當(dāng)齒輪箱發(fā)生故障時(shí),其振動(dòng)信號(hào)的能量也會(huì)發(fā)生變化。不同頻率成分的能量改變構(gòu)成了不同的故障形式,因此可根據(jù)能量熵的不同來(lái)進(jìn)行構(gòu)架SVM網(wǎng)絡(luò),從而進(jìn)行分類。 (3)針對(duì)故障數(shù)據(jù)處理難,引入一種基于EMD的時(shí)域特征提取方法——主分量分析法(principal components analysis,簡(jiǎn)稱PCA),它的基本思想是尋找方差最小方向,以此來(lái)進(jìn)行數(shù)據(jù)的約簡(jiǎn)和降維。針對(duì)工程中需要對(duì)系統(tǒng)進(jìn)行故障監(jiān)測(cè)和跟蹤的研究,本文引入智能分析理論——神經(jīng)網(wǎng)絡(luò)系統(tǒng)。用主分量分析法進(jìn)行分析并結(jié)合譜圖進(jìn)行故障診斷。經(jīng)過(guò)處理,得12組分量。以前4組主分量數(shù)據(jù)(1-4振動(dòng)數(shù)據(jù))為測(cè)試樣本子集,以其余的8組數(shù)據(jù)為訓(xùn)練樣本子集,進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和預(yù)測(cè)。結(jié)果為目標(biāo)輸出與實(shí)際輸出的相關(guān)系數(shù)R=0.913,預(yù)測(cè)點(diǎn)基本符合實(shí)際點(diǎn)。 (4)將流形局部保持投影(Locality Preserving Projections簡(jiǎn)稱,LPP)應(yīng)用到齒輪箱故障診斷中。將提取出來(lái)的HHT時(shí)頻譜矩陣進(jìn)行奇異值分解,進(jìn)行故障診斷,接著用LPP進(jìn)行混疊故障信號(hào)數(shù)據(jù)的分類和降維,將此方法應(yīng)用于故障模式識(shí)別問(wèn)題,具有可行性,可以有效的對(duì)齒輪箱軸承故障進(jìn)行分類。最后,根據(jù)文章的總體安排,開(kāi)發(fā)了振動(dòng)分析模塊。
【關(guān)鍵詞】：齒輪箱故障 EMD分析 主分量分析法 特征提取 流形LPP
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TH165.3;TH132.4
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 課題的選題和研究背景9
• 1.2 齒輪箱的故障形式和課題研究的意義9-11
• 1.2.1 齒輪的故障形式9-10
• 1.2.2 軸承故障形式10
• 1.2.3 課題的研究意義10-11
• 1.3 齒輪箱故障研究的國(guó)內(nèi)外現(xiàn)狀11-12
• 1.4 本文主要工作和結(jié)構(gòu)安排12-15
• 2 一般常用的振動(dòng)檢測(cè)方法介紹15-27
• 2.1 齒輪傳動(dòng)的力學(xué)模型16-18
• 2.2 齒輪箱的振動(dòng)信號(hào)的傳統(tǒng)處理方法18-25
• 2.2.1 時(shí)域分析法18
• 2.2.2 頻域分析法18-21
• 2.2.3 時(shí)頻域分析法及其應(yīng)用21-25
• 2.3 本章小結(jié)25-27
• 3 EMD方法的研究27-38
• 3.1 Hilbert-Huang變換與經(jīng)驗(yàn)?zāi)Ｊ椒纸?/span>27-32
• 3.1.1 基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾腍ilbert變換27-30
• 3.1.2 Hilbert譜30-32
• 3.2 EMD綜合方法研究32-37
• 3.2.1 支持向量機(jī)32-34
• 3.2.2 EMD和支持向量機(jī)結(jié)合34-36
• 3.2.3 基于EMD奇異值熵法在齒輪箱故障檢測(cè)中的應(yīng)用36-37
• 3.3 本章小結(jié)37-38
• 4 基于EMD時(shí)域特征提取方法38-51
• 4.1 基于PCA的幅值分析特征提取38-44
• 4.1.1 PCA法介紹38
• 4.1.2 PCA在齒輪箱傳感器檢測(cè)中的應(yīng)用38-44
• 4.2 神經(jīng)網(wǎng)絡(luò)建模并進(jìn)行預(yù)測(cè)44-48
• 4.2.1 前饋型網(wǎng)絡(luò)結(jié)構(gòu)和反饋網(wǎng)絡(luò)結(jié)構(gòu)45-47
• 4.2.2 向后傳播算法47-48
• 4.3 PCA法在輪箱故障診斷預(yù)測(cè)中的應(yīng)用48-50
• 4.4 本章小結(jié)50-51
• 5 基于EMD的時(shí)頻域故障提取方法51-59
• 5.1 流形算法——LPP算法51-53
• 5.2 LPP算法在軸承故障診斷中的應(yīng)用53-55
• 5.3 HHT譜分析的LPP方法實(shí)驗(yàn)驗(yàn)55-58
• 5.4 本章小結(jié)58-59
• 6 齒輪箱故障檢測(cè)系統(tǒng)總體設(shè)計(jì)和開(kāi)發(fā)59-64
• 6.1 系統(tǒng)總體方案設(shè)計(jì)59
• 6.2 系統(tǒng)界面59-61
• 6.3 具體信號(hào)的分析61-63
• 6.3.1 時(shí)、頻域分析模塊61-62
• 6.3.2 小波分析模塊62-63
• 6.3.3 EMD分析模塊63
• 6.4 本章小結(jié)63-64
• 結(jié)論64-66
• 參考文獻(xiàn)66-69
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況69-70
• 致謝70-71

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 崔玲麗;高立新;張建宇;胥永剛;;基于EMD的復(fù)合故障診斷方法[J];北京科技大學(xué)學(xué)報(bào);2008年09期

2 方健;李自品;彭輝;戴思初;吳曉文;;基于主成分分析法的BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用[J];變壓器;2011年01期

3 張煜東;霍元鎧;吳樂(lè)南;董正超;;降維技術(shù)與方法綜述[J];四川兵工學(xué)報(bào);2010年10期

4 李天云,趙妍,李楠;基于EMD的Hilbert變換應(yīng)用于暫態(tài)信號(hào)分析[J];電力系統(tǒng)自動(dòng)化;2005年04期

5 姜紹俊;;小波變換在軸承故障診斷中的研究[J];電腦知識(shí)與技術(shù);2009年18期

6 張志偉;楊帆;夏克文;楊瑞霞;;一種應(yīng)用于小樣本人臉識(shí)別的2DLPP算法[J];光電子.激光;2008年07期

7 孟明,牛東曉,孟寧;基于主成分分析的神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型研究[J];華北電力大學(xué)學(xué)報(bào);2004年02期

8 劉占生,張新江,楊建國(guó),夏松波;轉(zhuǎn)子軸心軌跡故障診斷特征識(shí)別方法研究[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);1998年06期

9 閔惜琳,劉國(guó)華;用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱開(kāi)發(fā)BP網(wǎng)絡(luò)應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2001年S1期

10 杜浩藩,叢爽;基于MATLAB小波去噪方法的研究[J];計(jì)算機(jī)仿真;2003年07期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 彭春陽(yáng);基于振動(dòng)信號(hào)分析的齒輪箱故障診斷儀的研究[D];重慶大學(xué);2011年

2 張璇;基于小波包和EMD的滾動(dòng)軸承故障信號(hào)分析[D];北京化工大學(xué);2008年

3 易雄;基于小波分析的機(jī)械故障特征提取與診斷技術(shù)研究[D];浙江工業(yè)大學(xué);2009年

  本文關(guān)鍵詞：基于EMD的齒輪箱故障特征提取方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：274058