齿轮箱早期故障信号增强与智能诊断方法研究

摘要

齿轮箱是机械系统中最为常见的零部件，它可以传递动能和调节转速，因其工作环境恶劣，极易受损出现故障。对齿轮箱故障的检测尤其是对早期微弱故障的识别，对避免重大事故、变革维修体制有着重要的现实意义。早期微弱故障的冲击信号往往被环境噪声淹没，识别难度较大，本文即围绕齿轮箱早期微弱单故障的智能诊断问题进行了研究。
　　本文深入研究了齿轮箱振动模型，推导证明了齿轮与轴承振动信号均属于二阶循环平稳信号，结合维纳滤波理论设计了循环自适应滤波器，实现了对齿轮箱早期故障的微弱振动信号增强，并通过对比分析论证了循环平稳理论在处理旋转机械齿轮箱振动信号的优势。针对信号的不同特性，分别从时域、频域、时-频域和非高斯域提取了总三十四个特征值的集合，分析了传统的特征评价指标的缺点，并进一步提出基于粗糙集的有监督的属性约简方法对特征总集进行压缩，得到的特征子集的成分表明了Alpha稳定分布参数相对优于其他特征量用于齿轮箱早期故障的模式识别，并将特征子集作为朴素贝叶斯分类器的输入，从而实现了齿轮箱早期微弱故障的诊断。
　　在齿轮箱故障动态模拟系统设计了九种齿轮箱早期单故障，以安装在轴承支座上的传感器采集的振动信号作为信号源，取得良好的诊断效果，验证了本文智能诊断方法的有效性。

目录

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题的背景和意义

1.2 国内外研究现状及分析

1.3 文献综述的简析

1.4 主要研究内容

第2章 齿轮箱早期故障的信号增强

2.1 机械故障信号的循环平稳分析

2.2 齿轮箱运转的振动模型

2.3 齿轮箱早期故障信号增强的循环自适应滤波

2.4 本章小结

第3章 齿轮箱早期故障特征提取方法

3.1 时域统计量

3.2 频域统计量

3.3 时-频域统计量

3.4 非高斯域统计量

3.5 对特征性能的评价

3.6 本章小结

第4章 齿轮箱早期故障的智能分类方法

4.1 基于粗糙集的属性约简算法

4.2 贝叶斯网络分类器对齿轮箱早期故障的分类方法

4.3 本章小结

第5章 实验验证和对比分析

5.1 实验设备简介

5.2 实验相关条件设定

5.3 实验数据分析

5.4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢