基于LabVIEW的齒輪箱故障診斷系統(tǒng)研究.pdf

1、隨著科學技術(shù)的日益發(fā)展，機械裝備呈現(xiàn)出大型化、復雜化、高效率的發(fā)展趨勢，使得設(shè)備故障造成的損失也隨之增多。齒輪箱作為旋轉(zhuǎn)機械設(shè)備中動力傳輸?shù)牟考?jīng)常出現(xiàn)各種類型故障，而齒輪箱一旦發(fā)生故障會對整個機械系統(tǒng)造成難以估量的后果，甚至對工作人員的人身安全造成威脅，因此，對齒輪箱運行狀態(tài)的有效診斷顯得尤為重要。本文以齒輪箱故障診斷為研究目的，圍繞希爾伯特-黃變換(Hilbert-Huang Transform，HHT)為核心的故障診斷方法，對算

2、法中的問題提出相應改進措施，并利用LabVIEW完成一套齒輪箱故障診斷系統(tǒng)的設(shè)計。
　　主要研究內(nèi)容如下:
　　(1)分析了齒輪箱的故障類型及其故障振動的機理，給出了齒輪箱振動模型以及相關(guān)特征頻率的計算，為后續(xù)故障診斷提供理論基礎(chǔ)。
　　(2)結(jié)合齒輪箱故障信號特點，分析了常用時頻分析方法的性質(zhì)及其局限性，確定HHT作為齒輪箱故障診斷的信號處理算法，并詳細介紹了HHT的基本原理、性質(zhì)以及存在問題。
　　(3)針對

3、HHT算法由于包絡(luò)線擬合算法不足導致端點效應問題，給出了基于鏡像端點延拓的端點效應抑制方法，并通過仿真驗證其改進算法的有效性。
　　(4)針對HHT算法中由于高頻間斷信號干擾引起的模態(tài)混疊問題，給出了基于小波變換預處理的模態(tài)混疊抑制方法，該方法的核心是利用小波變換在經(jīng)驗模態(tài)分解(Empirical Mode Decomposition，EMD)之前進行高頻干擾信號的濾波，而傳統(tǒng)采用集合經(jīng)驗模態(tài)分解(Ensemble Empiric

4、al Mode Decomposition，EEMD)抑制模態(tài)混疊的方法的核心是在信號中加入輔助噪聲，算法執(zhí)行效率較低，相比之下，本文提出的改進方法具有更高的執(zhí)行效率，特別適合于實時性要求比較高的場合。
　　(5)利用LabVIEW軟件設(shè)計了一套齒輪箱故障診斷系統(tǒng)，以HHT為核心信號處理算法，將其應用在了所設(shè)計的故障診斷系統(tǒng)中，系統(tǒng)包括時域分析、頻率分析、小波變換、包絡(luò)譜分析、倒頻譜分析、HHT變換、Hilbert變換等功能，通過