基于小波分析的齿轮箱故障诊断技术的分析与研究

武汉科技大学硕士学位论文基于小波分析的齿轮箱故障诊断技术的分析与研究姓名：周亮申请学位级别：硕士专业：控制理论与控制工程指导教师：程耕国20090430基于小波分析的齿轮箱故障诊断技术的分析与研究作者：周亮学位授予单位：武汉科技大学相似文献(10条)1.期刊论文谢志江.刘彩利.彭浩.XieZhijiang.LiuCaili.PengHao包络分析在齿轮箱故障诊断中的应用-振动工程学报2004,17(z1)介绍了设备状态监测和故障诊断技术发展和齿轮箱故障诊断技术的特点.阐述了包络分析的基本原理及其在机械故障诊断中的应用,重点分析了包络分析方法在齿轮箱故障诊断中的应用.通过对齿轮箱轴承故障诊断的实例分析,论证了包络分析在机械故障诊断领域是一种极其有效的工具.2.会议论文谢志江.刘彩利.彭浩包络分析在齿轮箱故障诊断中的应用2004介绍了设备状态监测和故障诊断技术发展和齿轮箱故障诊断技术的特点.阐述了包络分析的基本原理及其在机械故障诊断中的应用,重点分析了包络分析方法在齿轮箱故障诊断中的应用.通过对齿轮箱轴承故障诊断的实例分析,论证了包络分析在机械故障诊断领域是一种极其有效的工具.3.学位论文李加强BJ2020N齿轮箱齿轮传动系统故障诊断2007随着科学技术的不断发展，机械设备向着高性能、高效率、高自动化和高可靠性的方向发展。齿轮箱由于具有传动比固定、传动转矩大、结构紧凑等优点，是用于改变转速和传递动力的最常用的传动部件，是机械设备的一个重要组成部分，也是故障易于发生的一个部件，其运行状态对整机的工作性能有很大的影响。它的损伤和失效常常导致传动系统或整机的故障，从而导致重大安全事故。因此，作为动力传递核心的齿轮箱装置的状态监测与故障诊断受到了越来越多的重视。研究表明，齿轮箱故障的70％是由于齿轮和轴失效而造成的。本文选题以BJ2020N汽车齿轮箱齿轮传动系统为研究对象，根据计算齿轮和轴旋转的特征频率，与利用INV306及DASP2006信号采集分析系统采集齿轮箱振动信号的分析结果对比来进行齿轮箱故障诊断。本文在总结和汲取他人研究成果的基础上，运用功率谱、共振解调和小波分析方法，有效地从BJ2020N齿轮箱振动信号中获取到故障特征信息，成功地实现了齿轮箱齿轮传动系统故障诊断。齿轮箱在发生故障时振动信号一般表现出调制信号(包括幅值调制和频率调制)呈周期变化的规律，通过对调频信号调制原理的研究，借助贝塞尔函数(Bessel)进行展开分析，揭示了频率调制信号其调制边频带对称分布的规律。根据调制信号进行诊断，对测得的信号进行解调是诊断的关键。共振解调技术适用于冲击类故障的诊断，尤其适用于故障的早期诊断，因为早期故障非常轻微，它引起的冲击强度非常小，所以振动信号的故障特征很不明显，用一般方法很难辨别出来。由于共振解调技术放大(谐振)和分离(带通滤波)了故障信号，极大地提高了信噪比，有利于实现故障诊断。小波分析是近年来迅速发展起来的一门理论，在图象处理、通信和地球物理研究方面取得了成功的应用。本文围绕小波分析在齿轮箱故障诊断中的应用进行了理论研究和实验验证，将小波分析方法应用到齿轮箱故障诊断领域，利用Matlab小波工具箱对振动信号进行了小波消噪，准确地提取到了故障信号，取得了较好的效果。本文以BJ2020N齿轮箱齿轮传动系统为研究对象，分析了齿轮箱各零部件的常见失效形式和故障产生机理，建立了齿轮振动信号数学模型，研究了功率谱、共振解调和小波分析等信号处理方法，通过实验，运用功率谱、共振解调技术和小波分析等技术的方法对齿轮箱齿轮传动系统进行了故障诊断，有效地实现了齿轮箱故障诊断。4.期刊论文宋崇智.吴玉国.王璐.谢能刚.SongChongzhi.WuYugno.Wanglu.XieNenggang改进Elman网络在发动机齿轮箱故障诊断中的研究-仪器仪表学报2008,29(7)针对发动机齿轮箱故障诊断系统,在Elman网络的理论框架的基础之上,分析了Elman网络用于故障诊断的不足,提出了改进Elman网络,并应用于发动机齿轮箱故障的故障诊断.本文采取经典的频域分析方法对齿轮箱进行故障诊断,并建立了基于改进Elman神经网络的齿轮箱故障诊断模型,结果表明:该方法具有精度高、收敛快、可以避免局部最小的优点,从而为发动机齿轮箱故障诊断提供了一种更有效的方法.5.期刊论文杨建国.石超.周瑞.YangJianguo.SHIChao.ZhouRui基于小波包的齿轮箱故障诊断-振动工程学报2004,17(z1)提出了一种齿轮箱故障诊断的方法,这种方法首先利用小波包提取齿轮箱振动信号的故障特征域,然后计算特征域上绝对值信号的频谱,以正常信号的频谱和特征域上绝对值信号的频谱的相似程度作为齿轮箱故障与否的判据,将齿轮箱的特征频率和特征域上绝对值信号的频谱相比较来判断齿轮箱的故障模式.将此方法应用于齿轮箱断齿故障的诊断表明,这种方法能够准确地诊断出齿轮箱中的冲击故障.6.学位论文时建峰基于时、频域-小波分析和神经网络方法的齿轮箱故障诊断研究2008随着科学技术的不断进步，机械设备向着高性能、高效率、高自动化和高可靠性的方向发展。齿轮箱由于具有传动比固定、传动转矩大、结构紧凑等优点，被用于改变转速和传递动力的传动部件中，它是机械设备的一个重要组成部分，也是易于发生故障的一个部件，其运行状态对整机的工作性能有很大的影响。因此，对齿轮箱进行状态监测及故障诊断意义重大，不仅可以缩短维修时间、降低维修成本，还可提高诊断准确性和维修质量，创造可观的经济效益。齿轮箱的振动信号相当复杂，除反映有关齿轮和轴承本身工作情况的信息外，也包含了大量机械中其它运动部件和结构的信息，因此如果仅仅单从时域与频域或小波分析对齿轮箱的振动信号进行分析，则很难准确诊断出齿轮箱各类故障。本文提出并研究了一种新的齿轮箱故障诊断技术-基于时、频域和小波分析的神经网络诊断法，该方法联合时、频域和小波分析的特性来识别齿轮箱故障信号，将所得到的综合信息，进行神经网络训练和诊断，结果证明该研究方法可提高齿轮箱故障诊断的准确性和可靠性。具体研究内容如下:1)研究齿轮箱故障振动的机理。分析齿轮和轴承的常见故障类型及产生的原因，在此基础上研究了齿轮和轴承几种典型故障的振动机理。2)研究时、频域分析方法进行齿轮箱故障特征提取的特点。介绍了一些时域和频域分析方法的理论，通过分析实验所得的齿轮箱5种典型故障信号，得出相应的时域与频域特征。3)研究小波分析方法进行齿轮箱故障特征量提取的特点。根据小波分析和小波包分析的基本理论，采用了基于小波包能量的特征提取方法，并用实例证明了该方法的可靠性。4)根据BP神经网络算法的原理，提出了一种改进的BP算法，即基于误差修正的自适应学习速率法，并针对这种算法进行了仿真测试。测试结果表明改进的BP算法缩短了学习时间，提高了学习效率，并在一定程度上避免了学习中的局部极小问题的出现。5)对本文提出的研究方法进行实验验证。利用实验室齿轮箱实验台模拟了齿轮箱五种典型故障形式，并采集了各工况下的振动信号。对信号进行时、频域分析和小波分析并提取特征值，作为改进BP神经网络的输入，建立了齿轮箱故障诊断模型。用该模型对大量实测数据进行分析和处理，其诊断结果表明本论文研究提出的方法是可行的，该方法可提高齿轮箱故障诊断的准确性和可靠性。7.会议论文李毓辉.郑海起.卢如平Kalman滤波器在齿轮箱故障诊断中的应用研究2007Kalman滤波器是一种最优状态估计滤波器和一种有效的信息融合方法。由于难以从原理上建立齿轮箱等机械系统的状态空间模型，其在齿轮箱故障诊断中的应用还非常少。本文利用测得的振动加速度响应信号建立齿轮箱的AR模型，把AR模型转化为状态空间模型后，即可将Kalman滤波器技术应用到齿轮箱的故障诊断中，得到了较好的效果。此外也指出了在此状态空间模型条件下，在齿轮箱故障诊断中利用Kalman滤波器进行信息融合的难点。8.会议论文宋崇智.吴玉国.王璐.谢能刚改进Elman网络在发动机齿轮箱故障诊断中的研究2008针对发动机齿轮箱故障诊断系统,在Elman网络的理论框架的基础之上,分析了Elman网络用于故障诊断的不足,提出了改进Elman网络,并应用于发动机齿轮箱故障的故障诊断.本文采取经典的频域分析方法对齿轮箱进行故障诊断,并建立了基于改进Elman神经网络的齿轮箱故障诊断模型,结果表明:该方法具有精度高、收敛快、可以避免局部最小的优点,从而为发动机齿轮箱故障诊断提供了一种更有效的方法.9.学位论文雷萍小波神经网络技术在齿轮箱轴承故障诊断中的应用2009滚动轴承是旋转机械中应用最为广泛的机械零件，也是最易损坏的元件之一。旋转机械的许多故障都与滚动轴承有关，轴承工作性能的好坏直接影响到与之相关联的轴及安装在转轴上的齿轮乃至整台机器设备的性能。其缺陷通常使设备产生异常的振动和噪声，发展成故障就将造成设备损坏，甚至发生灾难性事故。因此，开展对滚动轴承的故障诊断具有很现实的意义。近年来，机械设备故障诊断技术在国内外得到了较大的发展，在国民生产中起到了重要作用。本文在总结和汲取他人研究成果的基础上，引入小波神经网络方法，有效地实现了齿轮箱滚动轴承故障诊断，主要研究内容如下：本文以齿轮箱滚动轴承为研究对象，基于齿轮箱滚动轴承的结构，振动机理等特点，对齿轮箱滚动轴承的故障成因，特征频率等作了详细的分析。通过对小波分析和神经网络在齿轮箱滚动轴承故障诊断中应用方法的研究，建立了以小波包为信号降噪和特征提取手段，以RBF神经网络为故障模式识别的信号处理与故障诊断系统。在此基础上，在齿轮箱滚动轴承正常和外圈损伤两种模式下，对滚动轴承振动信号进行了小波包降噪研究；运用“小波包—能量”法提取信号特征，作为神经网络的输入向量，采用RBF神经网络学习算法，针对齿轮箱滚动轴承正常和外圈损伤两种模式对网络进行了训练和模式识别，并对模式识别的正确率进行了分析。通过仿真和实验研究表明：小波包分析对齿轮箱滚动轴承微弱故障信号进行降噪后，能明显地提高信号的信噪比。把小波分析与RBF神经网络结合起来，对齿轮箱滚动轴承进行故障诊断，能够准确识别出齿轮箱滚动轴承工作运行状态中的异常现象；利用小波包频域分解信号构造的能量特征向量准确地反映了齿轮箱滚动轴承振动信号频域能量随着状态信息的变化而变化的情况；利用能量特征向量，小波神经网络能以90％以上的准确率完成从滚动轴承振动信号空间到滚动轴承故障状态空间的非线性映射。10.会议论文杨建国.石超.周瑞基于小波包的齿轮箱故障诊断2004提出了一种齿轮箱故障诊断的方法,这种方法首先利用小波包提取齿轮箱振动信号的故障特征域,然后计算特征域上绝对值信号的频谱,以正常信号的频谱和特征域上绝对值信号的频谱的相似程度作为齿轮箱故障与否的判据,将齿轮箱的特征频率和特征域上绝对值信号的频谱相比较来判断齿轮箱的故障模式.将此方法应用于齿轮箱断齿故障的诊断表明,这种方法能够准确地诊断出齿轮箱中的冲击故障.本文链接：授权使用：上海海事大学(wflshyxy)，授权号：c22f68fa-3359-4262-b502-9dd700976f4f下载时间：2010年8月19日