基于局部均值分解和證據(jù)理論的變速箱故障診斷研究.pdf

1、中圖分類號THll3UDC621碩士學(xué)位論文學(xué)校代碼密級10533基于局部均值分解和證據(jù)理論的變速箱故障診斷研究FaultdiagnosistechnologyofavehiclesgearboxbasedonLMDandDSevidence名：何雷業(yè)：機械電子工程向：旋轉(zhuǎn)機械故障診斷及預(yù)測所)：機電工程學(xué)院師：譚建平答辯委員會主席蘭西中南大學(xué)二。一四年五月姓專方系教者科究皖導(dǎo)作學(xué)研學(xué)指基于局部均值分解和證據(jù)理論的變速箱故障診斷技術(shù)研究

2、摘要：某特種車傳動系統(tǒng)應(yīng)用環(huán)境惡劣，作為傳動系統(tǒng)的核心部件變速箱，長期承受大載荷、強沖擊，容易出現(xiàn)各類齒輪、軸承故障，為裝甲車的維護帶來極大的不便。本文以變速箱為研究對象，對強干擾環(huán)境下的變速箱故障診斷技術(shù)進行研究。論文研究內(nèi)容主要包括以下幾點：(1)論述了變速箱故障診斷技術(shù)和信息融合技術(shù)的發(fā)展概況，研究了特種裝甲車變速箱的結(jié)構(gòu)和故障機理。設(shè)計和搭建了臺架實驗平臺，加工制作軸承、齒輪故障件近百件，測取了豐富全面的故障信號，為后續(xù)研究提供

3、了基礎(chǔ)。(2)研究了基于LMD分解法的故障診斷技術(shù)，并結(jié)合小波消噪、峭度指標(biāo)對LMD方法進行優(yōu)化改進，以適應(yīng)強干擾環(huán)境下變速箱的故障診斷。同時結(jié)合Teager能力算子解調(diào)進行診斷。分析結(jié)果表明，改進后的LMD方法結(jié)合Teager算子解調(diào)能有效應(yīng)用于強干擾環(huán)境下的變速箱故障診斷。針對軸承間隙故障難以診斷和識別的難點，本文提出了一種基于LMD和LV復(fù)雜度的軸承徑向故障程度識別的方法，能有效識別和衡量軸承徑向磨損程度。(3)研究了基于神經(jīng)網(wǎng)絡(luò)

4、的單傳感器局部智能故障診斷模型，提取了時頻特征值、小波分解特征值、LMD分解特征值作為診斷模型的輸入量，并對比分析診斷效果。分析結(jié)果表明，基于改進的LMD和神經(jīng)網(wǎng)絡(luò)診斷正確率最高，達到88％。(4)分析了基于DS證據(jù)理論的信息融合算法，并提出證據(jù)理論的改進策略，構(gòu)建了多傳感器信息融合的故障診斷結(jié)構(gòu)框架。實驗分析表明，基于改進LMD和DS證據(jù)理論的多信息融合診斷方法，能有效應(yīng)用于強干擾環(huán)境下的變速箱故障診斷，診斷正確率高達96％。本文含圖