基于EMD和粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷研究.pdf

1、本文以齒輪箱故障診斷為課題研究背景，研究了近年來出現(xiàn)的一種自適應(yīng)時頻分析方法——經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,簡稱EMD)方法。該方法非常適合應(yīng)用于非平穩(wěn)信號的分析和處理中，并結(jié)合粒子群優(yōu)化(Particle Swarm Optimization,PSO)神經(jīng)網(wǎng)絡(luò)對故障模式進行識別，在齒輪箱故障診斷中取得了良好的效果。
　　在研究EMD方法的基礎(chǔ)理論與實現(xiàn)過程的基礎(chǔ)上，針對EMD方法在實際

2、應(yīng)用中遇到的問題，分析了EMD方法中的端點效應(yīng)，嘗試采用極值點延拓法減少端點效應(yīng)的影響，通過仿真驗證了極值點延拓法能夠減少端點效應(yīng)。
　　以實驗室JZQ250型齒輪箱為測試對象，進行了故障診斷實驗，將改進后的EMD方法應(yīng)用到齒輪箱故障信號中，對正常、斷齒、軸承外圈和內(nèi)圈故障信號進行分解，并對分解出來的各級本征模函數(shù)(Intrinic Mode Function，IMF)做功率譜分析，獲得了較好的故障診斷效果。實驗結(jié)果表明了經(jīng)驗?zāi)B(tài)