基于振動噪聲信息融合的齒輪箱齒輪故障診斷研究.pdf

1、齒輪及齒輪箱作為機械設備中一種必不可少的連接和傳遞動力的通用零部件，在航空、航海、電力系統(tǒng)、數(shù)控設備、農業(yè)機械、運輸機械、冶金機械等現(xiàn)在工業(yè)設備中得到了廣泛的應用。對齒輪及齒輪箱進行狀態(tài)監(jiān)測與故障診斷，可實現(xiàn)齒輪箱由事后維修、定期維修到視情維修的根本轉變，減少監(jiān)測成本，避免事故發(fā)生，從而創(chuàng)造更大的經濟效益和社會效益，具有重大的意義。
　　 對國內外齒輪箱故障診斷的研究現(xiàn)狀進行分析可以發(fā)現(xiàn)，已有的研究成果主要是通過單一傳感器檢測設

2、備故障狀態(tài)下的某一類狀態(tài)信息，并采用智能信息處理方法進行信號特征提取與故障識別?？紤]到任何一故障的產生都可能導致不同類狀態(tài)信息（振動、聲音、溫度、電流等）發(fā)生變化，以及單一傳感器檢測存在易受外界干擾或自身故障等多原因影響等缺點，本文采用振動與噪聲相結合的方法對齒輪的磨損、裂紋、斷齒、點蝕、點蝕裂紋、磨損斷齒故障進行定性識別。
　　 首先，分析了齒輪的常見失效形式，確定了本課題研究的故障類型，在對齒輪的振動信號產生機理、噪聲信號產

3、生機理分析基礎上，對齒輪故障的振動特征進行了分析;設計了齒輪箱故障模擬試驗臺，選擇傳感器，對傳感器的安裝方式及測點選擇進行分析，并以LabVIEW為軟件開發(fā)平臺，以NI-PXI系統(tǒng)為數(shù)據(jù)采集系統(tǒng)的硬件平臺，設計了實驗測試系統(tǒng)。
　　 其次，研究了頻譜分析、小波分析、小波包分析、基于EMD的Hilbert-Huang變換這幾種信號處理方法，并進行仿真;進行信號采集，對采集的振動信號進行了頻譜、功率譜、基于小波變換的Hilbert包

4、絡譜、基于EMD的Hilbert邊際譜分析。
　　 再次，對齒輪箱故障特征提取及選擇技術進行了深入研究。利用二進制小波包分析方法對振動信號進行分解與重構，按照理論依據(jù)對特征變化明顯的重構信號進行頻譜分析并提取特征能量;利用經驗模態(tài)分解法對振動信號分解與重構，對重構的各頻段信號進行頻譜分析并提取特征能量，在考慮同一特征值在不同故障情況下的區(qū)分度及不同特征值在同一故障情況下的區(qū)分度的基礎上，對提取的EMD能量進行選擇;利用BP神經網

5、絡對小波包能量和EMD能量的識別效果進行比較;提取振動信號的時域指標并進行選擇;對噪聲信號進行EMD特征能量提取與選擇。
　　 最后，針對BP神經網絡不能控制連接權值的正負、在學習過程中易陷入局部最優(yōu)、網絡結構不穩(wěn)定等缺點，引入遺傳算法來優(yōu)化BP網絡的權值、閾值，以達到全局尋找和快速高效的目的;建立遺傳BP網絡模型，以提取的振動信號的時域指標及EMD特征能量、噪聲信號的EMD特征能量作為遺傳BP網絡的特征輸入，進行信息融合;選擇