齿轮箱故障诊断中粒子滤波技术的应用

摘要

齿轮箱作为机械设备中的一个重要组成部分，对其进行状态监测和故障诊断有着重要的意义。由于齿轮箱结构复杂，工作环境比较恶劣，当发生故障时，其振动信号通常表现出非平稳特性，并且故障特征信息往往湮没在强大的背景噪声中，因此，在对其进行故障分析前需要进行降噪处理。
　　粒子滤波是一种基于蒙特卡罗模拟和递推贝叶斯估计的滤波方法，它通过模拟方程由量测空间递推到状态空间，采用粒子描述状态空间，用由粒子及其权重组成的离散随机测度近似真实的状态后验分布，并且根据算法递推更新离散随机测度。它可以处理模型方程为非线性、噪声分布为非高斯分布的问题。本文在深入研究粒子滤波理论的基础上，利用粒子滤波技术对齿轮箱振动加速度信号进行降噪处理。建立了齿轮箱振动信号的ARMA模型，进而转化成对应的状态空间模型，把降噪问题转化成在状态空间模型下的滤波问题。
　　在上述理论分析的基础上，本文以齿轮箱为实验对象，通过在选好的测点上安装加速度传感器来采集齿轮箱振动信号，然后对采集到的信号运用粒子滤波技术进行降噪，并通过仿真和实测信号对其进行了验证，最后，针对非线性系统的故障检测问题，提出了一种基于粒子滤波状态估计的非线性系统故障检测算法，并将该算法应用到齿轮箱上，取得了一定的成果。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题的研究背景及意义

1.2 齿轮箱故障诊断技术的发展概况和研究现状

1.3 粒子滤波的发展和应用

1.4 本文的主要研究内容和章节安排

2 齿轮箱故障机理及振动信号特征提取

2.1 齿轮的故障机理

2.2 滚动轴承的故障机理

2.3 齿轮箱故障振动信号的分析方法

2.4 本章小结

3 粒子滤波基本算法理论

3.1 粒子滤波基本理论

3.2 动态系统的状态空间模型

3.3 贝叶斯估计

3.4 蒙特卡罗积分

3.5 粒子滤波基本算法

3.6 实验仿真

3.7 几种改进的粒子滤波算法

3.8 本章小结

4 粒子滤波在齿轮箱故障诊断中的应用

4.1 试验方案

4.2 齿轮箱故障特征分析

4.3 齿轮箱振动信号状态空间模型

4.4 基于粒子滤波的齿轮箱故障诊断信号的降噪处理

4.5 本章小节

5 基于粒子滤波状态估计的齿轮箱故障检测

5.1 粒子滤波状态估计故障检测算法

5.2 算法验证仿真

5.3 齿轮箱故障检测

5.4 本章小结

6 总结与期望

6.1 全文总结

6.2 展望

参考文献

致谢