基于振動信號的齒輪箱智能故障診斷方法研究.pdf

1、大型旋轉(zhuǎn)機械設(shè)備中，齒輪箱作為傳遞動力、改變轉(zhuǎn)速的重要零部件，有著不可替代的作用。齒輪箱一般由多對嚙合在一起的齒輪、轉(zhuǎn)軸、軸承、固定基座、箱體等部件構(gòu)成，這就決定了其結(jié)構(gòu)復(fù)雜、裝配精度要求高、加工工藝復(fù)雜的特點。因此，在復(fù)雜、惡劣的工況環(huán)境下，齒輪箱易出現(xiàn)故障并影響整個生產(chǎn)線甚至帶來大量經(jīng)濟損失，據(jù)統(tǒng)計，旋轉(zhuǎn)機械故障中齒輪故障占80％，因此對齒輪箱的運行過程進行狀態(tài)監(jiān)測和故障診斷具有極其重要的意義。
　　 20世紀(jì)60年代以來齒

2、輪箱故障診斷技術(shù)有了很大的發(fā)展，目前關(guān)于齒輪箱的故障診斷研究主要集中在以下幾個方面:故障模型機理研究、檢測儀器的開發(fā)、特征參數(shù)提取及選擇、現(xiàn)代信號處理方法、智能模式識別等。傳統(tǒng)的基于信號處理與分析的診斷技術(shù)主要提取與故障有關(guān)的特征頻率或者參數(shù)，并根據(jù)以往經(jīng)驗，通過分析特定的故障頻率或者預(yù)先設(shè)定好的參數(shù)閾值對故障進行診斷。利用上述診斷技術(shù)，在診斷單一故障類型時是有效的，然而當(dāng)面對齒輪箱多種故障類型時診斷準(zhǔn)確率比較低。因此，基于多種信息融合

3、的智能故障診斷方法，在復(fù)雜的多故障類型齒輪箱診斷中受到越來越多的重視。
　　 本文主要從齒輪箱狀態(tài)信號預(yù)處理、最優(yōu)特征參數(shù)集的構(gòu)建和評價、智能故障診斷方法等三個方面開展研究。
　　 在原始信號預(yù)處理方面，本文采用基于Birge-Massart策略的自適應(yīng)閾值降噪方法，本文提出一種基于主頻率能量的相關(guān)系數(shù)法，該方法通過比較小波分解系數(shù)和信號之間相關(guān)系數(shù)的大小選擇出與齒輪故障信號最佳匹配的小波基，從而提高了降噪的效果。

4、>　　 在最優(yōu)特征參數(shù)集的構(gòu)建和評價方面，本文應(yīng)用信息熵理論、小波變換多分辨率分析理論構(gòu)建了功率譜熵特征參數(shù)、小波能譜特征參數(shù);并根據(jù)“類間距離大、類內(nèi)距離小”原則，提出了一種改進的距離測度法用于最優(yōu)特征參數(shù)的選擇，選擇出冗余度低相關(guān)性高的最優(yōu)特征參數(shù)集。
　　 在智能故障診斷方法方面，本文首先利用遺傳算法對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值進行了優(yōu)化，以減小網(wǎng)絡(luò)陷入局部最優(yōu)的可能性;其次，在原有蟻群算法的基礎(chǔ)上加入了局部搜索操作，

5、提高了算法中螞蟻找到最優(yōu)解的效率，并能夠及時發(fā)現(xiàn)更好的解，提高了蟻群算法的識別效率;最后本文應(yīng)用概率和統(tǒng)計理論，將隱馬爾科夫模型(Hidden MarkovModel，HMM)應(yīng)用到齒輪箱多故障類型的靜態(tài)模式識別中，實驗驗證了HMM在齒輪箱故障識別方面具有算法穩(wěn)定、訓(xùn)練速度快、識別準(zhǔn)確率高的優(yōu)點。
　　 最后，本文應(yīng)用三個方面的理論研究成果，開發(fā)了一套簡易的齒輪箱智能故障診斷系統(tǒng)，系統(tǒng)中各個模塊的調(diào)試工作已經(jīng)完成，經(jīng)過測試系統(tǒng)初