本文關(guān)鍵詞：基于多小波變換的礦用齒輪箱故障診斷研究

  更多相關(guān)文章： 多小波 礦用齒輪箱 故障診斷 特征提取 最大相關(guān)峭度解卷積 約束獨立成分分析 譜峭度

【摘要】：煤炭是我國第一能源產(chǎn)業(yè),也是我國最為重要的基礎(chǔ)產(chǎn)業(yè)之一。煤礦生產(chǎn)安全一直是制約該行業(yè)穩(wěn)步發(fā)展的主要因素,控制與預防煤礦發(fā)生重特大事故,促進煤礦穩(wěn)定、安全生產(chǎn)已成為國家和本地區(qū)政府重點關(guān)注的問題之一,也是全國工業(yè)安全工作的重要關(guān)鍵內(nèi)容。煤礦大型機械(如提升機、皮帶輸送機、采煤機)的動力傳動齒輪箱工作環(huán)境惡劣,發(fā)生故障幾率很大,其運行狀態(tài)直接影響到這些大型機械設(shè)備運行的可靠性和安全性,故障一旦發(fā)生,必將會給煤炭企業(yè)帶來巨大的經(jīng)濟損失,甚至是人身傷害。因此,對煤礦大型機械設(shè)備傳動齒輪箱進行狀態(tài)監(jiān)測與故障診斷是十分必要的,將先進的機械故障診斷方法應(yīng)用于礦用齒輪箱的故障診斷中,對于保證煤礦安全生產(chǎn),避免安全事故具有重要的意義。小波變換已經(jīng)成為一種應(yīng)用非常廣泛的非平穩(wěn)信號處理工具,在旋轉(zhuǎn)機械故障特征頻率的分離、微弱信號的提取和早期故障診斷等方面都得到了廣泛的應(yīng)用。但是在機械故障診斷中,小波基函數(shù)難以與所提取故障特征很好的匹配,因為小波基函數(shù)不能隨著被分析信號特點相應(yīng)改變自身的特性,它的基函數(shù)是確定的。第二代小波可在時域內(nèi)按需構(gòu)造小波基函數(shù),通過改變預測器和更新器系數(shù),構(gòu)造出與故障特征相匹配的小波基函數(shù),彌補了經(jīng)典小波的不足。但是無論是經(jīng)典小波還是第二代小波都是單小波(Scalar Wavelet),無法同時滿足信號處理中的正交性、對稱性、緊支性及高階消失矩等優(yōu)良特性,而且由于單小波只具有一個小波基函數(shù),難以識別多類型不同的故障特征,只能與分析信號中隱含的某一類故障特征相匹配,這是經(jīng)典小波和第二代小波理論在故障診斷領(lǐng)域應(yīng)用中所面臨的突出問題。因此為了解決上述問題,國內(nèi)外學者將目光轉(zhuǎn)移到多小波研究上。故障特征提取技術(shù)是機械設(shè)備狀態(tài)檢測和故障診斷學中的關(guān)鍵,用先進的故障診斷理論和方法豐富和提高機械故障診斷技術(shù)是機械故障診斷學的重要內(nèi)容。本文以解決煤礦大型機械設(shè)備的故障診斷為工程應(yīng)用需求,用現(xiàn)代信號處理技術(shù)中的多小波理論為工具,以煤礦大型機械設(shè)備中的齒輪箱為研究對象,開展故障診斷技術(shù)研究。齒輪箱工況振動信號復雜,如何有效地從齒輪箱振動信號中提取出隱含的故障特征信息,這對于齒輪箱狀態(tài)監(jiān)測與故障診斷是非常重要的,也是關(guān)鍵所在。本文深入研究了基于多小波變換的齒輪箱故障特征提取新方法,并將其成功應(yīng)用于試驗臺齒輪箱和礦用齒輪箱的故障特征提取與故障診斷。主要研究內(nèi)容有:(1)闡述了論文的研究背景和研究意義介紹了機械故障診斷技術(shù)的研究背景,以及開展故障診斷的重要意義,對國內(nèi)外的齒輪箱故障診斷技術(shù)及多小波理論進行了詳細闡述,引出了本文要研究的主要問題,多小波變換在煤礦大型機械設(shè)備齒輪箱中的故障診斷,確立了本文的研究路線和主要研究內(nèi)容。(2)平移不變多小波相鄰系數(shù)降噪方法在煤礦提升機齒輪箱故障診斷中的應(yīng)用研究闡述了傳統(tǒng)多小波閾值降噪方法的基本原理,研究了平移不變多小波相鄰系數(shù)降噪方法,利用仿真信號,試驗臺齒輪箱振動信號降噪實驗分析,對比了單小波,多小波,以及平移不變多小波的硬閾值、軟閾值、相鄰系數(shù)降噪方法的降噪效果,通過降噪后的信號與原信號的相關(guān)系數(shù)對比,得出平移不變多小波相鄰系數(shù)降噪方法降噪效果最好。最后將平移不變多小波相鄰系數(shù)降噪方法應(yīng)用到煤礦提升機齒輪箱的故障診斷,對齒輪箱振動信號有效降噪,準確地提取出齒輪箱的沖擊故障特征,判斷出齒輪箱的故障位置,為煤礦大型機械設(shè)備齒輪箱振動信號降噪提供了一種有效方法。(3)基于多小波變換與最大相關(guān)峭度解卷積的煤礦采煤機傳動系統(tǒng)齒輪箱故障診斷研究了多小波分解的頻帶特性,在故障分析時的頻帶選用準則為峭度準則和相關(guān)系數(shù)準則,以及最大相關(guān)峭度解卷積的基本理論,提出了多小波分解與最大相關(guān)峭度解卷積相結(jié)合的故障診斷方法。對該方法進行了試驗臺齒輪箱斷齒故障和局部斷齒故障的實驗分析,對齒輪箱振動信號進行多小波分解,選用峭度和相關(guān)系數(shù)較大的頻帶,進行最大相關(guān)峭度解卷積降噪分析,使微弱的沖擊故障特征得到加強,再將最大相關(guān)峭度解卷積降噪后的信號進行包絡(luò)譜分析,成功提取出了齒輪箱的故障特征頻率。最后,將該方法應(yīng)用到煤礦采煤機傳動系統(tǒng)齒輪箱的故障診斷中,發(fā)揮兩種方法各自的優(yōu)勢,有效地提取出故障特征信息,實現(xiàn)了齒輪箱的準確診斷。(4)基于多小波變換與約束獨立成分分析的煤礦皮帶機齒輪箱故障診斷介紹了獨立成分分析算法以及約束獨立成分分析算法,并分析了其優(yōu)缺點,研究了多通道測量信號中含源噪聲的ica模型,結(jié)合多小波變換的優(yōu)點,提出了基于多小波變換與約束獨立成分分析的齒輪箱故障特征提取方法。通過試驗臺齒輪箱故障特征提取試驗,根據(jù)峭度準則,從齒輪箱振動信號多小波分解后的多通道分量中選取峭度值較大的分量重新組成混合信號,以齒輪箱嚙合頻率作為先驗信息建立參考信號,利用約束獨立成分分析算法成功地提取出齒輪箱故障特征頻率。最后將提出的方法應(yīng)用到煤礦皮帶機齒輪箱的故障診斷中,判斷出齒輪箱的故障,為齒輪箱故障特征提取提供了一種新方法。實驗分析和煤礦工程應(yīng)用結(jié)果驗證了所提出方法的有效性。(5)冗余多小波包譜峭度方法在礦用齒輪箱故障診斷中的應(yīng)用研究研究了傳統(tǒng)譜峭度方法的基本原理、譜峭度的快速算法—峭度圖。闡述了多小波包的分解算法,以及冗余多小波的算法,應(yīng)用冗余多小波包分解替代傳統(tǒng)譜峭度算法中的濾波器,提出了冗余多小波包的譜峭度方法。以試驗及煤礦齒輪箱故障診斷的實例對該方法進行了驗證,對齒輪箱振動信號進行冗余多小波包的譜峭度算法分解,得到最優(yōu)的濾波頻帶信號,再進行解調(diào)分析,成功提取出齒輪箱的故障特征頻率。與傳統(tǒng)譜峭度方法分析結(jié)果進行對比,冗余多小波包譜峭度方法能準確地選擇最優(yōu)濾波頻帶,避免受噪聲干擾,故障特征提取效果要優(yōu)于傳統(tǒng)譜峭度方法。試驗分析和煤礦皮帶機齒輪箱的工程應(yīng)用證明提出的冗余多小波包譜峭度方法是一種有效的故障特征提取方法。
【學位授予單位】：中國礦業(yè)大學(北京)
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TD407

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周濤濤;朱顯明;彭偉才;劉彥;;基于CEEMD和排列熵的故障數(shù)據(jù)小波閾值降噪方法[J];振動與沖擊;2015年23期

2 郭遠晶;魏燕定;周曉軍;;基于STFT時頻譜系數(shù)收縮的信號降噪方法[J];振動.測試與診斷;2015年06期

3 劉洋;曹云東;侯春光;;基于經(jīng)驗模態(tài)分解及維格納威爾分布的電纜雙端故障定位算法[J];中國電機工程學報;2015年16期

4 胥永剛;趙國亮;馬朝永;楊紅玉;;雙樹復小波和局部投影算法在齒輪故障診斷中的應(yīng)用[J];振動工程學報;2015年04期

5 唐貴基;王曉龍;;最大相關(guān)峭度解卷積結(jié)合稀疏編碼收縮的齒輪微弱故障特征提取[J];振動工程學報;2015年03期

6 廖強;李迅波;陳勇強;;自適應(yīng)冗余提升多小波包在滾動軸承復合故障診斷中的應(yīng)用[J];機械設(shè)計與制造;2015年06期

7 唐貴基;王曉龍;;基于包絡(luò)譜稀疏度和最大相關(guān)峭度解卷積的滾動軸承早期故障診斷方法[J];中國機械工程;2015年11期

8 鐘先友;趙春華;陳保家;田紅亮;;基于MCKD和重分配小波尺度譜的旋轉(zhuǎn)機械復合故障診斷研究[J];振動與沖擊;2015年07期

9 周穎濤;周紹騎;姚遠航;;減少模態(tài)混疊的改進EEMD算法[J];重慶理工大學學報(自然科學);2015年01期

10 GAO Huizhong;LIANG Lin;CHEN Xiaoguang;XU Guanghua;;Feature Extraction and Recognition for Rolling Element Bearing Fault Utilizing Short-Time Fourier Transform and Non-negative Matrix Factorization[J];Chinese Journal of Mechanical Engineering;2015年01期

，

本文編號：1265153