学海网

基于EMD谱峭度和支持向量机的齿轮箱故障诊断（硕士学位论文），共91页。
摘要
现在齿轮箱已经被广泛地应用于工程实际中,在传递动力和改变速度方面表现出了优越的性能。但其也是一种容易经常出现故障的机械设备,一旦齿轮箱上的某个零部件出现异常而没有得到及时的维修,将可能导致整个生产线的不能正常运行进而影响最终产品的质量,所以对齿轮箱故障进行诊断分析研究是非常有必要的。
本文首先对 ZS-65 型齿轮箱的基本结构及其振动机理进行了详细介绍,其中包括外圈、内圈、保持架、滚动体和轮齿的常见失效形式以及对应的信号分析诊断方法。在去噪方面采用了小波包分解的方法有效地对信号进行了去噪处理。
其次,对经验模式分解(EMD)进行了深入的研究,并就其分解过程中出现的端点效应问题提出了一种新的抑制方法,即采用 AR 模型预测对数据进行延拓和窗函数法结合的办法对信号的端点效应进行了有效的抑制,进而为后续信号的处理提高了精度。为了能够找到含有故障信息的 IMF 分量,引入了谱峭度这个参数,并且将 EMD 和谱峭度有效的结合起来提取出了齿轮箱各种工况的特征频率,取得了理想的效果。
最后,运用支持向量机对重构信号经过提取特征向量并且归一化处理后的信号进行了模式识别并分类,取得了不错的效果,充分验证了采用 EMD 和谱峭度二者结合起来提取故障特征向量的实效性,很好的对齿轮箱的各种工况进行了分类。
关键词:齿轮箱,经验模态分解(EMD),端点效应,谱峭度,支持向量机

目 录
1 绪论 ................................................................... 1
1.1 齿轮箱故障诊断研究的背景意义、主要目的和相关内容.................. 1
1.1.1 齿轮箱故障诊断研究的背景和意义 .............................. 1
1.1.2 齿轮箱故障诊断研究的主要目的 ................................ 2
1.1.3 齿轮箱故障诊断研究的主要相关内容 ............................ 2
1.2 齿轮箱故障诊断研究的主要相关技术.................................. 4
1.2.1 数字信号的时频域处理技术 .................................... 4
1.2.2 数字信号的经验模式分解(EMD) ............................... 5
1.2.3 谱峭度概念及由来 ............................................ 5
1.2.4 齿轮箱故障诊断的模式识别 .................................... 6
1.3 本论文的的主要研究内容及结构...................................... 7
2 齿轮箱故障特点分析 ..................................................... 8
2.1 引言.............................................................. 8
2.2 齿轮箱中的各种部件及其失效形式.................................... 8
2.2.1 齿轮箱中齿轮的失效形式 ...................................... 9
2.2.2 齿轮箱中滚动轴承的失效形式 ................................. 10
2.3 齿轮箱中齿轮的振动机理........................................... 11
2.3.1 齿轮箱中齿轮的基本参数 ..................................... 11
2.3.2 齿轮箱中齿轮的振动模型 ..................................... 12
2.4 齿轮箱中滚动轴承的振动机理....................................... 13
2.4.1 齿轮箱中滚动轴承的基本参数 ................................. 13
2.4.2 齿轮箱中滚动轴承的振动特征 ................................. 15
2.5 齿轮箱中故障信号的分析方法....................................... 16
2.5.1 齿轮箱中轮齿故障信号的分析方法 ............................. 17
2.5.2 齿轮箱中滚动轴承故障信号的分析方法 ......................... 17
2.6 本章小结......................................................... 18
3 经验模式分解(EMD)方法的研究 ......................................... 19
3.1 引言............................................................. 19
3.2 经验模式分解(EMD)方法的基本内容................................ 19
3.2.1 瞬时频率的概念 ............................................. 20
3.2.2 本征模态函数(IMF) ........................................ 21
3.2.3 经验模式分解(EMD)方法信号处理过程 ........................ 21
3.2.4 经验模式分解(EMD)的主要性质 .............................. 23
3.2.5 经验模式分解(EMD)的仿真模拟 .............................. 24
3.3 (EMD)方法分解过程中的端点效应问题.............................. 25
3.3.1 端点效应的产生机理 ......................................... 25
3.3.2 端点效应的抑制方法 ......................................... 27
3.3.3 基于 AR 模型预测的数据延拓和窗函数相结合的端点效应抑制法 .... 28
3.4 端点效应现象的实例分析........................................... 35
3.5 模态混合现象..................................................... 37
3.6 本章小结......................................................... 39
4 基于 EMD 和谱峭度的齿轮箱故障分析 ...................................... 40
4.1 引言............................................................. 40
4.2 谱峭度概念....................................................... 40
4.2.1 谱峭度的定义及数学表达式 ................................... 41
4.3 数据预处理....................................................... 41
4.3.1 异常点和趋势项的去除 ....................................... 42
4.3.2 信号的小波包去噪 ........................................... 43
4.4 齿轮箱故障诊断实验步骤........................................... 45
4.4.1 齿轮箱故障诊断实验设备及系统 ............................... 45
4.4.2 实验设备 ................................................... 46
4.4.3 齿轮箱上传感器的安装位置及各种故障设置 ..................... 47
4.4.4 齿轮箱各个部件的参数 ....................................... 48
4.5 EMD 和谱峭度相结合的齿轮箱故障诊断 ............................... 50
4.5.1 正常信号的的分析 ........................................... 51
4.5.2 齿面磨损的信号分析 ......................................... 52
4.5.3 滚动体磨损故障的信号分析 ................................... 54
4.5.4 外圈凹坑故障的信号分析 ..................................... 57
4.5.5 保持架断裂故障的信号分析 ................................... 59
4.6 本章小结......................................................... 62
5 基于支持向量机的故障模式识别验证 ...................................... 63
5.1 概述............................................................. 63
5.2 统计学习理论..................................................... 63
5.2.1 机器学习问题 ............................................... 63
5.2.2 VC 维....................................................... 64
5.2.3 推广性的界 ................................................. 64
5.2.4 结构风险最小化原则 ......................................... 65
5.3 支持向量机....................................................... 66
5.3.1 最优分类超平面 ............................................. 66
5.3.2 核函数 ..................................................... 68
5.4 实例分析......................................................... 69
5.5 本章小结......................................................... 73
6 总结与展望 ............................................................ 74
6.1 总结............................................................. 74
6.2 展望............................................................. 74
参考文献 ................................................................ 76
攻读硕士期间发表的论文及所取得的研究成果