时频分析方法在齿轮箱故障特征提取中的研究应用

摘要

本文旨在比较各种时频分析方法在齿轮和滚动轴承故障特征提取中的效果，找出适宜的特征提取方法。为此，建立了齿轮箱故障实验装置，模拟了不同的齿轮故障和滚动轴承故障，介绍了齿轮和滚动轴承特征频率的分布特点和计算方法。 文中首先通过时域和频域指标对正常与故障信号进行比较。再通过包络解调分析和倒频谱分析对故障信号进行特征提取，通过分析得出包络谱利用希尔波特变换能将与故障有关的信号从高频调制信号中提取出来，从而避免了与其它低频信号干扰的混淆，对调制信号的解调具有较好的效果。倒频谱通过傅立叶变换能使原来谱图上成族的边频谱线简化为倒频谱上的单根谱线，从而使频谱中的复杂周期成分变得清晰易辨。对于分析具有多成分边频的复杂信号，能够找出功率谱上不易发现的问题，具有较好的效果在实际工程应用中，大量的信号都是非平稳和非线性的随机信号。本论文所研究的齿轮箱在故障状态下所产生的信号是非平稳的随机信号，针对齿轮箱在工作过程中易出现的断齿故障，在转速、负载、测点位置变化的情况下，利用短时傅立叶变换、Choi-Williams分布分别对上述信号进行了特征提取。比较了各种因素影响下的效果，得到上述方法对于提取齿轮故障的特征信息虽然直观，但是效果并不理想。 本文又选用断齿、齿面磨损、滚动轴承外圈和内圈划痕故障信号，分别利用小波变换和EMD方法分解进行分解，再通过包络谱和边际谱进行特征提取，将两者的效果进行比较。得出对于齿轮故障，利用小波分解以后作包络谱进行特征提取得到了较好的效果，利用EMD分解以后作边际谱效果没有前者的好。但是对于滚动轴承的内圈和外圈划痕故障，利用上述的两种方法进行特征提取，效果都不理想。 针对Wigner分布对多分量信号存在交叉项的问题，利用基于EMD的Wigner分布方法对数字仿真振动信号进行验证，得到此方法对交叉项的抑制效果很好。同时利用基于局部Hilbert边际谱的方法对滚动轴承内圈和外圈划痕故障信号进行特征提取，达到比较好的效果。

目录

文摘

英文文摘

声明

第一章绪论

1．1齿轮箱故障特征提取技术研究的目的和意义

1．2齿轮箱故障诊断技术的现状与发展方向

1．3机械故障信号特征提取方法的研究内容

1．4本论文研究的目的和主要内容

第二章齿轮箱故障实验台设计

2．1实验系统简介

2．1．1齿轮箱试验台的组成

2．1．2振动测试系统的组成

2．2齿轮箱故障实验原理

2．2．1实验目的

2．2．2测量方案

2．2．3基于加速度振动信号的故障特征提取

2．3齿轮振动信号的频率分布特点和特征频率计算

2．4滚动轴承振动信号的频率分布特点和特征频率计算

第三章传统信号特征提取方法及应用

3．1时域分析

3．2频域分析

3．3包络谱分析

3．3．1包络谱分析在齿轮故障信号中的应用

3．4倒频谱分析

3．4．1倒频谱分析在齿轮故障信号中的应用

3．5本章小节

第四章短时傅里叶变换和Wigner-Ville分布的基本理论及应用

4．1引言

4．2短时傅立叶变换的理论

4．3基于短时傅立叶变换的数字仿真振动信号的验证

4．4基于短时傅立叶变换的齿轮箱实验信号的分析

4．4．1正常信号的分析

4．4．2齿轮箱实验台断齿信号的分析

4．5 Wigner-Ville分布理论

4．6基于Wigner-Ville分布的数字仿真振动信号的验证

4．7基于Choi-Williams分布的齿轮箱实验信号的分析

4．7．1正常信号的分析

4．7．2齿轮箱实验台断齿信号的分析

4．8本章小节

第五章小波分析理论及应用

5．1小波变换理论

5．1．1连续小波变换

5．1．2离散小波变换

5．1．3多分辨率分析

5．1．4Mallat算法

5．1．5小波包分析

5．2小波分析在数字仿真信号特征提取中的应用

5．3基于小波变换的齿轮箱实验数据分析

5．3．1正常信号的数据分析

5．3．2齿轮箱实验台齿面磨损和断齿故障信号的数据分析

5．3．3齿轮箱实验台滚动轴承外圈故障和内圈故障信号的数据分析

5．4本章小节

第六章经验模态分解(EMD)方法理论及其应用

6．1 EMD方法的基本概念

6．1．1瞬时频率

6．1．2本征模态函数

6．2经验模态分解(EMD)方法的基本原理

6．3希尔伯特谱

6．4基于EMD的数字仿真振动信号的验证

6．5基于EMD的齿轮箱实验数据分析

6．5．1正常信号的数据分析

6．5．2齿轮箱实验台齿面磨损和断齿故障信号的数据分析

6．5．3齿轮箱实验台滚动轴承外圈故障和内圈故障信号的数据分析

6．6基于EMD的wigner分布分析新方法

6．6．1基于EMD的Wigner分布分析原理

6．6．2基于EMD的winger分布的数字仿真振动信号的验证

6．7基于局部Hilbert边际谱的故障特征提取方法

6．7．1基于局部Hilbet边际谱的故障特征提取方法的原理

6．7．2基于局部Hilbert边际谱的轴承外圈和内圈划痕故障信号的数据分析

6．8本章小节

第七章结论与展望

7．1本文总结

7．2建议

参考文献

附图

致谢

攻读硕士学位期间发表的学术论文