论文部分内容阅读
齿轮作为一种传动构件,其在许多国民经济行业中运用广泛。由于其常常十分恶劣的工作坏境,齿轮在使用的过程中受损而产生故障是难免的,当齿轮发生故障时,会影响正常的生产。因此,对齿轮振动信号进行故障诊断的研究具有重要意义。对齿轮振动信号进行分析的目的就是进行故障特征的提取并作出故障判断。在齿轮的工作状态中,伴随着大量噪声,产生的振动信号具有含噪性、非平稳性,因此,对齿轮振动信号进行分析时,需要进行相关的降噪滤波和自适应平稳处理。本文正是针对齿轮振动信号的含噪性、非平稳性和处理需要的降噪性、自适应平稳性,将小波与基于三次样条极值点拟合的极值点分组模式分解(Extreme Point Packet Mode Decomposition,EPPMD)引入到齿轮局部断齿故障诊断中,并进行了相关试验分析验证该方法的有效性。本文的主要研究内容如下:(1)针对齿轮振动信号含有大量噪声,影响着对其分析和故障特征的提取,将小波分析用于齿轮局部断齿故障诊断中。小波分析的窗口是变化的,提供的局部化也是变化的,在高频处它有较高的时间分辨率,在低频处它有较高的频率分辨率。而噪声往往表现高频在部分,可以用小波阈值降噪将高频噪声部分虚弱,所以它适合对含噪信号进行分析。(2)针对齿轮振动信号的非平稳性,影响着对其分析和故障特征的提取,将采用自适应的方法进行处理,提取出具有自适应的各个尺度上的信号,把EPPMD方法用于齿轮局部断齿故障诊断中。EPPMD具有和EMD类似的自适应性,能够将信号分解成具有不同尺度的IMF分量。(3)针对提出的EPPMD方法,对其进行描述介绍。EPPMD对信号进行分析处理时,首先对信号极值点进行提取,接着对提取出的信号的极值点进行分组,再对每一组的极值点用三次样条进行拟合,求出所有组曲线的均值曲线,最后原始信号减去均值曲线,将原始信号分解成不同时间尺度的IMF分量曲线。EPPMD方法对EMD方法的发展推广,在EPPMD中将极值点分为两组,再对每一组的极值点用三次样条进行拟合就成为EMD中的上下包络线,所以,EPPMD包含EMD,并在试验分析上进行验证。(4)针对EPPMD的本质是滤波器的特性,对随机噪声用EPPMD处理得到的IMF分量进行频谱特点分析,发现前一条IMF分量的频谱范围与后一条的频谱范围成等比数列,公比为极致点的分组数N。并验证了EMD的本质为频谱公比为2的二进制滤波器。(5)针对齿轮局部断齿故障信号的含噪性和非平稳性,提出将小波滤波与基于三次样条极值点拟合的极值点分组模式分解相结合的方法运用到齿轮局部断齿故障试验分析中,验证了该方法的有效性。