基于粒子濾波方法的齒輪箱故障診斷技術(shù).pdf

1、齒輪箱在機(jī)械傳動的各個領(lǐng)域中應(yīng)用十分廣泛，因此對齒輪箱進(jìn)行故障狀態(tài)監(jiān)測和故障診斷具有重大的現(xiàn)實意義。齒輪箱的狀態(tài)是通過測量齒輪箱振動加速度信號來反映的，然而實際采集到的齒輪箱振動信號往往是非平穩(wěn)的，而且大量的故障信息往往被背景噪聲所淹沒，因此對齒輪箱故障診斷時進(jìn)行濾波降噪處理就很有必要。
　　粒子濾波憑借其對非線性、非高斯信號的處理能力，在齒輪箱故障診斷的信號降噪處理上得到了廣泛應(yīng)用。UPF粒子濾波由于其由UKF產(chǎn)生的重要性密度函

2、數(shù)與真實狀態(tài)的概率密度函數(shù)的支集重疊部分更大，估計的精度更高、更準(zhǔn)確，因此文中運用UPF粒子濾波降噪。
　　文中提出了一種對采集的振動信號平穩(wěn)化的方法，該方法不僅可以使時間序列符合建模平穩(wěn)性的要求，還可以達(dá)到信號初降噪的目的。首先對振動信號進(jìn)行EMD分解，然后將高頻IMF分量采用小波閾值降噪預(yù)處理，最后選擇高頻小波閾值降噪后的IMF與部分低頻的IMF進(jìn)行重構(gòu)。
　　文中選擇建立信號的AR模型，并依據(jù)時間序列的自相關(guān)函數(shù)和偏相

3、關(guān)函數(shù)的統(tǒng)計特性驗證了AR模型的合理性。運用FPE準(zhǔn)則、BIC準(zhǔn)則和AIC準(zhǔn)則進(jìn)行AR模型階數(shù)辨識，同時采用三種定階準(zhǔn)則可以使階數(shù)確定更加合理準(zhǔn)確。應(yīng)用最小二乘法對AR模型的參數(shù)進(jìn)行估計計算，確定AR模型相應(yīng)參數(shù)。
　　最后利用所建立的信號AR模型轉(zhuǎn)化為系統(tǒng)內(nèi)部空間模型，并確定模型的相應(yīng)參數(shù)，運用UPF對實驗數(shù)據(jù)進(jìn)行降噪處理。
　　結(jié)合上述理論分析，運用UPF粒子濾波技術(shù)對實驗室采集的齒輪箱振動加速度信號進(jìn)行降噪，通過對濾波