變載荷激勵下的齒輪故障特征提取及故障診斷方法研究.pdf

1、齒輪是旋轉機械設備中的關鍵部件。齒輪傳動系統(tǒng)結構復雜，工作環(huán)境惡劣，齒輪容易受到損傷，發(fā)生故障，影響旋轉機械的正常運行。因此，對齒輪故障監(jiān)測與診斷有著重要的意義。目前，齒輪故障診斷研究主要針對穩(wěn)定載荷工況，而實際生產(chǎn)中存在變載荷情況，而變載荷激勵下齒輪故障診斷技術面臨著許多難題。因此，有必要開展變載荷激勵下的齒輪故障診斷技術研究。本文的主要研究內容如下：
　　為了研究齒輪故障的動力學特性和動力學機理，考慮齒輪故障會造成嚙合剛度和齒

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

3、的齒輪故障信號進行EMD分解，然后選取含有齒輪故障特征的本征模態(tài)函數(shù)，從中提取無量綱時域、無量綱頻域、能量域特征參量和分形盒維數(shù)，從時域、頻域、能量域和分形的角度提取了變載荷激勵下齒輪故障特征，為變載荷激勵下齒輪故障分類奠定了基礎。
　　針對變載荷激勵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(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對齒輪振動信號進行分解，并提取變載荷激勵下的齒輪故障特征參量，然后歸一化輸入到PSO-SVM中，并對齒輪故障進行分類。通過對實驗平臺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)進行了故障分類研究，實驗結果表明該方法能有效地對大載荷工況激勵下的齒輪故障進行分類，對多種載荷工況激勵下的齒輪故障的分類效果不是很理想。
　　針對多種載