论文部分内容阅读
齿轮箱作为机械设备重要构成部分,在实际的机械生产和应用中涉及十分广泛,而其在恶劣复杂的工作环境中性能的发挥将直接对整个机械设施的运转产生重要影响。若是齿轮箱在正常的运转过程中出现问题,不但会影响正常的生产,对经济效益造成影响,甚至会对人身安全产生威胁。所以,在确保机械设施能够维持正常运转且不具备安全隐患的基础上针对其进行有效的安全检查和定期维保有着十分重要的意义。本文实验对象为实验室齿轮箱,分别采用了3种诊断方法对齿轮箱内轴承和齿轮进行故障诊断。理论方面分析了滚动轴承的振动机理和齿轮的振动机理,实验中涉及到的故障类型主要有滚动轴承的内外圈故障与齿轮断齿故障。运用HG8916设备对齿轮箱正常的工作状态下以及多种故障条件下的特征信号进行采集,并将所得到的信号数据按照文本的格式存储。基于振动信号在实验室齿轮箱动力学模拟实验平台上,深入分析了实验室齿轮箱的多种故障情况,通过MATLAB软件系统对各种故障信号进行处理,本文分别对实验室齿轮箱内的轴承和齿轮采用不同的时频域分析方法进行故障诊断研究,其中利用完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)辅助快速谱峭度图(FastKurtogram)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)结合相关系数增强奇异值(Singular Value Decomposition,SVD)的方法对轴承信号做了实验分析,利用小波分析联合快速独立分量分析(Fast Independent Component Analysis,Fast ICA)对齿轮信号做了故障诊断分析。CEEMDAN-FastKurtogram利用带通滤波器实现了将实验信号转化为数字信号进行诊断;MCKD-相关系数增强SVD针对滚动轴承微弱故障的提取较为困难,利用MCKD增强了信号的振动特性,再结合相关系数SVD在分解信号的时候可以跟找出原始信号正相关很大的分量来构造特征信号;小波分析-FastICA利用小波阈值降噪和FastICA对降噪信号与原始信号做盲源分离,获取更具特征的分离信号。通过三种方法对实验室齿轮箱内轴承和齿轮做综合的故障分析诊断。