變載荷激勵(lì)下的齒輪故障特征提取及故障診斷方法研究.pdf

1、齒輪是旋轉(zhuǎn)機(jī)械設(shè)備中的關(guān)鍵部件。齒輪傳動(dòng)系統(tǒng)結(jié)構(gòu)復(fù)雜，工作環(huán)境惡劣，齒輪容易受到損傷，發(fā)生故障，影響旋轉(zhuǎn)機(jī)械的正常運(yùn)行。因此，對(duì)齒輪故障監(jiān)測(cè)與診斷有著重要的意義。目前，齒輪故障診斷研究主要針對(duì)穩(wěn)定載荷工況，而實(shí)際生產(chǎn)中存在變載荷情況，而變載荷激勵(lì)下齒輪故障診斷技術(shù)面臨著許多難題。因此，有必要開展變載荷激勵(lì)下的齒輪故障診斷技術(shù)研究。本文的主要研究?jī)?nèi)容如下：
　　為了研究齒輪故障的動(dòng)力學(xué)特性和動(dòng)力學(xué)機(jī)理，考慮齒輪故障會(huì)造成嚙合剛度和齒

2、輪質(zhì)心發(fā)生變化的因素，建立了故障齒輪的4自由度動(dòng)力學(xué)模型。采用變步長(zhǎng)的四階龍格庫(kù)塔法對(duì)齒輪故障模型進(jìn)行了求解，得到了故障齒輪的振動(dòng)波形和頻譜圖。通過振動(dòng)波形和頻譜圖研究了不同的齒輪故障對(duì)齒輪動(dòng)力學(xué)特性造成不同的影響。
　　針對(duì)變載荷激勵(lì)下齒輪故障特征難以提取的問題，提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)和分形盒維數(shù)的變載荷激勵(lì)下齒輪故障特征提取方法。該方法首先將變載荷激勵(lì)下

3、的齒輪故障信號(hào)進(jìn)行EMD分解，然后選取含有齒輪故障特征的本征模態(tài)函數(shù)，從中提取無量綱時(shí)域、無量綱頻域、能量域特征參量和分形盒維數(shù)，從時(shí)域、頻域、能量域和分形的角度提取了變載荷激勵(lì)下齒輪故障特征，為變載荷激勵(lì)下齒輪故障分類奠定了基礎(chǔ)。
　　針對(duì)變載荷激勵(lì)下齒輪故障難以分類的問題，提出了一種基于EMD和粒子群優(yōu)化支持向量機(jī)(Particle Swarm Optimization Support Vectors Machine, PSO

4、-SVM)的齒輪故障分類方法。該方法首先利用EMD對(duì)齒輪振動(dòng)信號(hào)進(jìn)行分解，并提取變載荷激勵(lì)下的齒輪故障特征參量，然后歸一化輸入到PSO-SVM中，并對(duì)齒輪故障進(jìn)行分類。通過對(duì)實(shí)驗(yàn)平臺(tái)采集到的大載荷工況齒輪故障數(shù)據(jù)和多種載荷工況(多種載荷工況包括：大載荷工況和小載荷工況)齒輪故障數(shù)據(jù)進(jìn)行了故障分類研究，實(shí)驗(yàn)結(jié)果表明該方法能有效地對(duì)大載荷工況激勵(lì)下的齒輪故障進(jìn)行分類，對(duì)多種載荷工況激勵(lì)下的齒輪故障的分類效果不是很理想。
　　針對(duì)多種載