基于振動信號多特征與PSO-SVM的齒輪箱關鍵部件故障診斷方法研究.pdf

1、齒輪箱作為連接和傳遞動力的通用零部件，在航空、電力系統(tǒng)、農(nóng)業(yè)機械、冶金機械等現(xiàn)代工業(yè)設備中得到了廣泛的應用。但由于本身結構復雜，工作環(huán)境惡劣等原因，其內部的齒輪、軸承等部件極易受到損傷而出現(xiàn)故障。若發(fā)生故障，極有可能引起連鎖反應，導致重大經(jīng)濟損失。據(jù)統(tǒng)計，齒輪與滾動軸承故障約占齒輪箱故障的80%左右。因此，對齒輪箱中的齒輪與軸承采取行之有效的方法和手段進行狀態(tài)監(jiān)測和故障診斷，對保障齒輪箱正常工作具有重要的意義。
　　本文基于齒輪箱

2、關鍵部件振動信號，針對信號特征“難表述”與最大化分類性能參數(shù)難確定導致“精度差”這兩個問題，運用小波包降噪理論，并結合時域、頻域統(tǒng)計分析方法、時頻域EMD方法、支持向量機等進行了深入研究，內容如下：
　　1）選取課題所用信號降噪方法。論述小波與小波包的基本原理，并將兩種降噪方法用于仿真與標準實驗信號中，效果對比后確立小波包為本課題的濾波方法。
　　2）研究時域、頻域、時頻域分析方法進行齒輪箱故障特征提取的特點。介紹了一些時域

3、與頻域分析方法，通過對美國凱斯西儲大學實驗室所得滾動軸承4種典型故障信號進行分析，得出相應的時域與頻域統(tǒng)計指標作為不同故障的表征特征。同時介紹了時頻域中EMD理論，首先將振動信號分解為表征信號細節(jié)特征的各本征模式分量；后用與原信號相關程度較大的本征模式分量求取能量特征與Hilbert包絡譜奇異值特征，并分析兩種指標對于不同故障的表征能力。
　　3）建立PSO-SVM齒輪箱關鍵部件振動信號故障辨識模型。根據(jù)支持向量機算法的原理，提出

4、一種粒子群優(yōu)化支持向量機參數(shù)的故障辨識方法，即利用粒子群算法隨機搜索的特性來尋找支持向量機中懲罰系數(shù)與核寬度系數(shù)的最優(yōu)參數(shù)組合，以期得到一種分類性能最為優(yōu)良的PSO-SVM故障辨識方法。
　　4）對本文提出的研究方法進行實驗驗證。通過美國Spectra Quest公司動力傳動故障診斷綜合實驗臺不同故障零部件的更換，并采集了各工況下的振動信號。對信號進行小波包降噪與時域、頻域和時頻域分析且提取特征值，并將特征值作為PSO-SVM的輸