齒輪箱故障非線性診斷方法的研究.pdf

1、齒輪箱是機(jī)械設(shè)備中一種不可缺少傳遞動(dòng)力的部件,被廣泛用于各個(gè)行業(yè)中,它的運(yùn)行工況直接影響著機(jī)械系統(tǒng)是否能夠正常運(yùn)行,對(duì)其進(jìn)行狀態(tài)檢測(cè)和故障診斷具有很強(qiáng)的現(xiàn)實(shí)意義。
　　 本研究首先分析了齒輪箱故障產(chǎn)生的機(jī)理和常用的信號(hào)處理方法,對(duì)采集到的齒輪箱數(shù)據(jù)利用小波軟硬閾值折中法進(jìn)行信號(hào)消噪,通過與傳統(tǒng)的小波閾值消噪進(jìn)行比較,說明了該消噪方法克服了傳統(tǒng)方法易出現(xiàn)間斷點(diǎn)和過消噪的現(xiàn)象,有理想消噪效果。為了有效提取出原信號(hào)的特征信息,分別利用

2、整體經(jīng)驗(yàn)?zāi)Ｊ椒纸?EnsembleEmpiricalModeDecomposition,EEMD)與經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)方法對(duì)消噪后信號(hào)進(jìn)行固有模態(tài)函數(shù)分解,從仿真結(jié)果可以看到EEMD相對(duì)于EMD來說,能克服頻率混疊,具有自適應(yīng)性強(qiáng)等特點(diǎn)。為了得到信號(hào)的特征值,分別利用樣本熵與近似熵對(duì)齒輪箱信號(hào)進(jìn)行特征值提取,仿真結(jié)果表明樣本熵克服了近似熵在小樣本數(shù)據(jù)處理中相對(duì)一致性低的問題,并且運(yùn)算速度也大大提高。因此,本研究首次提出了將EEMD與

3、樣本熵相結(jié)合的方法對(duì)齒輪箱故障信號(hào)進(jìn)行特征提取,實(shí)驗(yàn)結(jié)果表明采用這種特征提取方法能夠更有效的顯示出齒輪箱振動(dòng)信號(hào)包含的狀態(tài)特征,具有很好的有效性和可行性。為了將齒輪箱的不同的工作狀態(tài)進(jìn)行準(zhǔn)確識(shí)別,將EEMD與樣本熵相結(jié)合方法所得到的樣本熵特征向量輸入到支持向量機(jī)分類器中,通過采用徑向基核函數(shù)進(jìn)行模式識(shí)別,成功將齒輪箱正常、磨損、斷齒三種不同工作情況下狀態(tài)識(shí)別出來,達(dá)到了有效診斷齒輪箱故障的目的。
　　 本研究首次將改進(jìn)的小波閾值