基于盲源分离的齿轮箱故障特征提取

发布时间：2023-11-04 10:22

　　盲源分离技术是把多个信号源或各种特征参数从它们的混合信号中分离或提取出来,应用于机械故障诊断中,将有助于分离混合信号,进行故障诊断。本文将盲源分离技术应用于齿轮箱故障诊断实验中,给出了盲源分离的故障特征提取方法,最后通过BP神经网络故障诊断结果证明了此方法的有效性和可行性,具体内容如下: 1.系统地研究了盲源分离的主要方法——独立分量分析(ICA),详细地描述ICA模型及介绍了FastICA算法,并对该算法进行了仿真分析,通过判断分离后的信号与仿真信号的一致性,验证了算法的可行性。 2.研究了齿轮箱故障振动的机理;分析了齿轮箱的常见故障类型及产生的原因,并在此基础上研究了齿轮和轴承的典型故障的主要特征;介绍了时域诊断参数及其在故障诊断中的作用。 3.利用实验室齿轮箱实验台模拟了齿轮箱系统常见的五种典型故障模式,采集了各工况下的振动信号;针对多组实验数据,首先对信号进行盲源分离,然后对处理后的数据提取时域特征指标,并以此作为BP神经网络的输入,建立BP故障诊断网络,进行了诊断。诊断结果表明本论文提出的方法是可行的,该方法可提高齿轮箱故障诊断的准确性和可靠性。 4.基于MATLAB软件,开...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1. 绪论
    1.1 课题概述
        1.1.1 课题来源
        1.1.2 选题背景及意义
        1.1.3 故障诊断技术的研究现状与发展趋势
    1.2 盲源分离的产生和发展
    1.3 ICA 在故障诊断中的应用现状
    1.4 本论文的内容
2. 盲源分离的ICA 方法
    2.1 ICA 的模型描述
        2.1.1 线性瞬时混叠模型
        2.1.2 线性卷积混叠模型
        2.1.3 非线性瞬时混叠模型
    2.2 基于信息论的ICA 独立性判据
        2.2.1 互信息极小化判据
        2.2.2 信息极大化判据
        2.2.3 极大似然判据
    2.3 盲源分离效果指标（评价）
        2.3.1 PI（C）指标
        2.3.2 信息干扰比SIR
    2.4 盲源分离算法仿真
        2.4.1 信号的预处理
        2.4.2 FastICA 算法
        2.4.3 盲源分离的仿真
3. 齿轮箱故障振动源及振动信号特征提取
    3.1 齿轮箱故障的主要形式
    3.2 齿轮的故障类型及振动机理
        3.2.1 齿轮的故障类型
        3.2.2 齿轮振动特征频率的计算
        3.2.3 齿轮振动信号的调制
    3.3 滚动轴承的故障类型及振动机理
        3.3.1 滚动轴承的故障类型
        3.3.2 滚动轴承的故障特征频率
    3.4 齿轮箱故障诊断振动信号的时频域特征提取
4. 齿轮箱实验数据采集及数据分析
    4.1 齿轮箱振动信号的采集
        4.1.1 齿轮箱振动信号采集的对象
        4.1.2 齿轮箱振动信号采集系统
    4.2 齿轮箱振动信号的数据分析
        4.2.1 齿轮箱振动信号的盲源分离
        4.2.2 齿轮箱振动信号的特征提取
        4.2.3 基于盲源分离和特征提取的齿轮箱故障诊断
5. 基于盲源分离和特征提取的齿轮箱故障诊断软件平台设计
    5.1 MATLAB 软件编程简介
    5.2 软件平台的框架结构
    5.3 软件平台的处理流程及其功能设计
        5.3.1 信号模拟演示模块
        5.3.2 实验信号加载模块
        5.3.3 盲源分离处理模块
        5.3.4 信号特征提取模块
        5.3.5 故障诊断模块
    5.4 软件平台的打包
    5.5 软件平台开发总结
6. 总结与展望
    6.1 全文总结
    6.2 展望
参考文献
攻读硕士期间发表的论文及研究成果
致谢



本文编号：3860113