基于自適應(yīng)振動信號處理的齒輪箱故障診斷研究.pdf

1、齒輪箱作為現(xiàn)代機械設(shè)備中重要組成部件之一，對其進(jìn)行故障診斷研究具有重要的現(xiàn)實意義。目前，存在許多齒輪箱的故障診斷方法，但對于實際的齒輪振動信號，由于受到工作環(huán)境及齒輪振動信號自身具備非平穩(wěn)特性的影響，單一的方法有時難以提取有效的齒輪故障特征信息。因此，本文采用多種方法相結(jié)合來實現(xiàn)對齒輪箱的故障診斷。本研究主要內(nèi)容包括：
　?、叛芯苛司植烤捣纸夂徒?jīng)驗?zāi)B(tài)分解兩種算法在時頻分析方面的性能，提出了一種新的基于局部均值分解的自適應(yīng)時頻分

2、析方法，簡稱LMD-AWVD。首先利用局部均值分解優(yōu)良的自適應(yīng)時頻分解能力獲得振動信號的若干個PF分量；然后計算各PF分量的相關(guān)系數(shù)并據(jù)此挑選含故障信息豐富的PF分量作為主PF分量；最后計算各主PF分量的Wigner-Ville分布并進(jìn)一步疊加得到系統(tǒng)整體的時頻分布。實驗結(jié)果表明，LMD-AWVD方法能有效地應(yīng)用于齒輪故障診斷中。
　?、蒲芯苛斯逃袝r間尺度分解(ITD)的算法改進(jìn)，針對ITD方法的一些缺陷問題，提出了一種集成固有時

3、間尺度分解(EITD)方法。研究了數(shù)學(xué)形態(tài)濾波在振動信號中的降噪性能，分析了奇異值分解(SVD)在特征提取方面的優(yōu)良特點，將EITD方法與組合形態(tài)濾波和奇異值分解相結(jié)合定義了一種形態(tài)奇異值熵。針對非平穩(wěn)齒輪振動信號的有效故障特征提取和分類問題，提出了一種基于形態(tài)奇異值熵和支持向量機的齒輪故障診斷方法。
　　⑶針對風(fēng)機齒輪振動信號的非平穩(wěn)性以及難以提取有效故障特征的問題，提出了一種新的風(fēng)力發(fā)電機組齒輪箱故障診斷方法。首先使用三次樣條