基于振動(dòng)信號(hào)多特征與PSO-SVM的齒輪箱關(guān)鍵部件故障診斷方法研究.pdf

1、齒輪箱作為連接和傳遞動(dòng)力的通用零部件，在航空、電力系統(tǒng)、農(nóng)業(yè)機(jī)械、冶金機(jī)械等現(xiàn)代工業(yè)設(shè)備中得到了廣泛的應(yīng)用。但由于本身結(jié)構(gòu)復(fù)雜，工作環(huán)境惡劣等原因，其內(nèi)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(yīng)，導(dǎo)致重大經(jīng)濟(jì)損失。據(jù)統(tǒng)計(jì)，齒輪與滾動(dòng)軸承故障約占齒輪箱故障的80%左右。因此，對(duì)齒輪箱中的齒輪與軸承采取行之有效的方法和手段進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷，對(duì)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(guān)鍵部件振動(dòng)信號(hào)，針對(duì)信號(hào)特征“難表述”與最大化分類(lèi)性能參數(shù)難確定導(dǎo)致“精度差”這兩個(gè)問(wèn)題，運(yùn)用小波包降噪理論，并結(jié)合時(shí)域、頻域統(tǒng)計(jì)分析方法、時(shí)頻域EMD方法、支持向量機(jī)等進(jìn)行了深入研究，內(nèi)容如下：
　　1）選取課題所用信號(hào)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(biāo)準(zhǔn)實(shí)驗(yàn)信號(hào)中，效果對(duì)比后確立小波包為本課題的濾波方法。
　　2）研究時(shí)域、頻域、時(shí)頻域分析方法進(jìn)行齒輪箱故障特征提取的特點(diǎn)。介紹了一些時(shí)域

3、與頻域分析方法，通過(guò)對(duì)美國(guó)凱斯西儲(chǔ)大學(xué)實(shí)驗(yàn)室所得滾動(dòng)軸承4種典型故障信號(hào)進(jìn)行分析，得出相應(yīng)的時(shí)域與頻域統(tǒng)計(jì)指標(biāo)作為不同故障的表征特征。同時(shí)介紹了時(shí)頻域中EMD理論，首先將振動(dòng)信號(hào)分解為表征信號(hào)細(xì)節(jié)特征的各本征模式分量；后用與原信號(hào)相關(guān)程度較大的本征模式分量求取能量特征與Hilbert包絡(luò)譜奇異值特征，并分析兩種指標(biāo)對(duì)于不同故障的表征能力。
　　3）建立PSO-SVM齒輪箱關(guān)鍵部件振動(dòng)信號(hào)故障辨識(shí)模型。根據(jù)支持向量機(jī)算法的原理，提出

4、一種粒子群優(yōu)化支持向量機(jī)參數(shù)的故障辨識(shí)方法，即利用粒子群算法隨機(jī)搜索的特性來(lái)尋找支持向量機(jī)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(lèi)性能最為優(yōu)良的PSO-SVM故障辨識(shí)方法。
　　4）對(duì)本文提出的研究方法進(jìn)行實(shí)驗(yàn)驗(yàn)證。通過(guò)美國(guó)Spectra Quest公司動(dòng)力傳動(dòng)故障診斷綜合實(shí)驗(yàn)臺(tái)不同故障零部件的更換，并采集了各工況下的振動(dòng)信號(hào)。對(duì)信號(hào)進(jìn)行小波包降噪與時(shí)域、頻域和時(shí)頻域分析且提取特征值，并將特征值作為PSO-SVM的輸