复合故障下变速器微弱故障特征提取方法研究
发布时间：2023-01-04 09:24
变速器故障主要分为两类,一类是在长期运行过程中产生的如点蚀、磨损等故障,另一类是在生产和制造过程中受加工装配误差的影响而产生的故障。第二类故障不仅影响第一类故障的产生和发展,且随着变速器向高速化、超静音发展,有效检测此类故障对于提高变速器的安全性和可靠性意义重大。但变速器结构复杂,运行时零部件相互作用,尤其是当各种不同位置、不同程度的故障复合在一起,再受到各种背景噪声的影响,导致微弱故障特征难以提取。针对以上问题,本文以某型变速器为研究对象,分析其异响问题,研究复合故障状态下的变速器微弱故障特征提取方法。论文主要研究内容如下:通过分析变速器齿轮和轴承振动响应机理和不同故障信号特征,建立包含冲击故障成分的变速器复合故障仿真信号。搭建了变速器测试试验台,采集故障变速器不同档位不同工况下的声振信号,通过声压信号初步分析变速器异响来源,布置测点。研究基于振动信号的故障变速器各测点时域统计特征随转速变化规律,同时结合排列熵进行测点定位评价,选择合适的测点拾取振动信号,为微弱故障特征提取提供可靠数据。在深入研究解卷积理论基础上,通过复合故障仿真信号研究比较了MED、MCKD、MOMEDA三种方法的...
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 课题研究背景和意义
1.2 齿轮箱故障诊断的研究现状
1.3 微弱信号识别的研究现状
1.4 盲解卷积理论及其在机械故障诊断中的研究现状
1.5 变速器微弱故障诊断难点
1.6 主要研究内容
2 变速器常见故障及机理分析
2.1 变速器常见故障类型
2.2 变速器故障诊断机理
2.2.1 齿轮振动机理分析
2.2.2 滚动轴承振动机理分析
2.2.3 变速器振动故障特征总结
2.3 变速器复合故障仿真信号
2.4 本章小结
3 变速器试验研究和测点定位评价
3.1 试验台搭建和实验条件
3.2 变速器声压信号分析
3.3 排列熵理论
3.3.1 排列熵计算
3.3.2 参数影响分析
3.4 变速器测点定位评价
3.4.1 加速度传感器位置选择
3.4.2 时域特征分析
3.4.3 频域特征分析
3.4.4 排列熵分析
3.5 本章小结
4 基于AR-MCKD的微弱故障特征提取方法研究
4.1 最小熵解卷积算法
4.2 最大相关峭度解卷积理论
4.2.1 最大相关峭度解卷积算法
4.2.2 MCKD参数影响分析
4.3 MED和MCKD的降噪效果分析
4.4 基于AR-MCKD的微弱故障特征提取方法
4.5 变速器齿轮故障特征提取
4.6 本章小结
5 基于SK-MOMEDA的微弱故障特征提取方法研究
5.1 多点优化最小熵解卷积
5.1.1 MOMEDA算法
5.1.2 MOMEDA参数影响分析
5.1.3 MOMEDA降噪效果分析
5.2 基于SK-MOMEDA的微弱故障特征提取方法
5.3 变速器振动信号分析
5.3.1 变速工况
5.3.2 稳速工况
5.4 本章小结
6 总结与展望
6.1 总结
6.1.1 本文工作总结
6.1.2 创新点
6.2 研究展望
参考文献
攻读硕士学位期间发表的论文及所取得的研究成果
致谢
【参考文献】：
期刊论文
[1]基于样本熵的变速器微弱异响故障特征提取研究[J]. 武超,孙虎儿,梁晓华. 机械传动. 2017(09)
[2]基于MKurt-MOMEDA的齿轮箱复合故障特征提取[J]. 王志坚,王俊元,赵志芳,吴文轩,张纪平,寇彦飞. 振动.测试与诊断. 2017(04)
[3]基于Teager能量算子和ZFFT的滚动轴承故障特征提取[J]. 夏均忠,赵磊,白云川,于明奇,汪治安. 振动与冲击. 2017(11)
[4]基于最小熵解卷积和Teager能量算子直升机滚动轴承复合故障诊断研究[J]. 陈海周,王家序,汤宝平,李俊阳. 振动与冲击. 2017(09)
[5]基于CEEMDAN样本熵与SVM的滚动轴承故障诊断[J]. 谢志谦,孙虎儿,刘乐,武超. 组合机床与自动化加工技术. 2017(03)
[6]基于SVD-LMD模糊熵与PNN的滚动轴承故障诊断[J]. 刘乐,孙虎儿,谢志谦. 机械传动. 2017(03)
[7]基于AR-MCKD的齿轮点蚀故障特征提取[J]. 吕宏强,武志斐,王铁,谷丰收. 机械传动. 2017(03)
[8]基于网格搜索法优化最大相关峭度反卷积的滚动轴承早期故障诊断方法[J]. 吕中亮,汤宝平,周忆,孟杰. 振动与冲击. 2016(15)
[9]Teager能量算子结合MCKD的滚动轴承早期故障识别[J]. 刘尚坤,唐贵基,何玉灵. 振动与冲击. 2016(15)
[10]基于全矢排列熵的齿轮故障特征提取方法研究[J]. 郝旺身,王洪明,董辛旻,郝伟,韩捷,张坤. 振动与冲击. 2016(11)
博士论文
[1]基于盲源分离的齿轮箱低频故障特征提取方法研究[D]. 冷军发.河南理工大学 2016
[2]复合齿轮传动系统振动响应调制机理及稀疏分离方法研究[D]. 何国林.华南理工大学 2015
[3]基于多尺度非线性状态特征增强的旋转机械故障诊断方法研究[D]. 王俊.中国科学技术大学 2015
硕士论文
[1]基于随机共振的滚动轴承微弱信号幅值估计研究[D]. 吴尚孺.北京邮电大学 2017
[2]强冲击下变速箱滚动轴承故障特征提取及状态评估研究[D]. 尹芳莉.中南大学 2014
[3]汽车变速器微弱故障识别与智能化诊断研究[D]. 赖欣欢.中国计量学院 2013
本文编号：3727520
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 课题研究背景和意义
1.2 齿轮箱故障诊断的研究现状
1.3 微弱信号识别的研究现状
1.4 盲解卷积理论及其在机械故障诊断中的研究现状
1.5 变速器微弱故障诊断难点
1.6 主要研究内容
2 变速器常见故障及机理分析
2.1 变速器常见故障类型
2.2 变速器故障诊断机理
2.2.1 齿轮振动机理分析
2.2.2 滚动轴承振动机理分析
2.2.3 变速器振动故障特征总结
2.3 变速器复合故障仿真信号
2.4 本章小结
3 变速器试验研究和测点定位评价
3.1 试验台搭建和实验条件
3.2 变速器声压信号分析
3.3 排列熵理论
3.3.1 排列熵计算
3.3.2 参数影响分析
3.4 变速器测点定位评价
3.4.1 加速度传感器位置选择
3.4.2 时域特征分析
3.4.3 频域特征分析
3.4.4 排列熵分析
3.5 本章小结
4 基于AR-MCKD的微弱故障特征提取方法研究
4.1 最小熵解卷积算法
4.2 最大相关峭度解卷积理论
4.2.1 最大相关峭度解卷积算法
4.2.2 MCKD参数影响分析
4.3 MED和MCKD的降噪效果分析
4.4 基于AR-MCKD的微弱故障特征提取方法
4.5 变速器齿轮故障特征提取
4.6 本章小结
5 基于SK-MOMEDA的微弱故障特征提取方法研究
5.1 多点优化最小熵解卷积
5.1.1 MOMEDA算法
5.1.2 MOMEDA参数影响分析
5.1.3 MOMEDA降噪效果分析
5.2 基于SK-MOMEDA的微弱故障特征提取方法
5.3 变速器振动信号分析
5.3.1 变速工况
5.3.2 稳速工况
5.4 本章小结
6 总结与展望
6.1 总结
6.1.1 本文工作总结
6.1.2 创新点
6.2 研究展望
参考文献
攻读硕士学位期间发表的论文及所取得的研究成果
致谢
【参考文献】：
期刊论文
[1]基于样本熵的变速器微弱异响故障特征提取研究[J]. 武超,孙虎儿,梁晓华. 机械传动. 2017(09)
[2]基于MKurt-MOMEDA的齿轮箱复合故障特征提取[J]. 王志坚,王俊元,赵志芳,吴文轩,张纪平,寇彦飞. 振动.测试与诊断. 2017(04)
[3]基于Teager能量算子和ZFFT的滚动轴承故障特征提取[J]. 夏均忠,赵磊,白云川,于明奇,汪治安. 振动与冲击. 2017(11)
[4]基于最小熵解卷积和Teager能量算子直升机滚动轴承复合故障诊断研究[J]. 陈海周,王家序,汤宝平,李俊阳. 振动与冲击. 2017(09)
[5]基于CEEMDAN样本熵与SVM的滚动轴承故障诊断[J]. 谢志谦,孙虎儿,刘乐,武超. 组合机床与自动化加工技术. 2017(03)
[6]基于SVD-LMD模糊熵与PNN的滚动轴承故障诊断[J]. 刘乐,孙虎儿,谢志谦. 机械传动. 2017(03)
[7]基于AR-MCKD的齿轮点蚀故障特征提取[J]. 吕宏强,武志斐,王铁,谷丰收. 机械传动. 2017(03)
[8]基于网格搜索法优化最大相关峭度反卷积的滚动轴承早期故障诊断方法[J]. 吕中亮,汤宝平,周忆,孟杰. 振动与冲击. 2016(15)
[9]Teager能量算子结合MCKD的滚动轴承早期故障识别[J]. 刘尚坤,唐贵基,何玉灵. 振动与冲击. 2016(15)
[10]基于全矢排列熵的齿轮故障特征提取方法研究[J]. 郝旺身,王洪明,董辛旻,郝伟,韩捷,张坤. 振动与冲击. 2016(11)
博士论文
[1]基于盲源分离的齿轮箱低频故障特征提取方法研究[D]. 冷军发.河南理工大学 2016
[2]复合齿轮传动系统振动响应调制机理及稀疏分离方法研究[D]. 何国林.华南理工大学 2015
[3]基于多尺度非线性状态特征增强的旋转机械故障诊断方法研究[D]. 王俊.中国科学技术大学 2015
硕士论文
[1]基于随机共振的滚动轴承微弱信号幅值估计研究[D]. 吴尚孺.北京邮电大学 2017
[2]强冲击下变速箱滚动轴承故障特征提取及状态评估研究[D]. 尹芳莉.中南大学 2014
[3]汽车变速器微弱故障识别与智能化诊断研究[D]. 赖欣欢.中国计量学院 2013
本文编号：3727520
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3727520.html