齿轮振动信号的多分形研究及其应用

《齿轮振动信号的多分形研究及其应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterinEngineeringMultifractalStudyandApplicationtoGear’sVibrationSignalMasterCandidate：ChuQingqingMajor：MechanicalEngineeringSupervisor：AssosciateProf.XiaoHanWuhanUniversityofScienceandTechnolog

2、yWuhan,Hubei430081,P.R.ChinaMay,2015摘要齿轮作为传动零部件，由于其传动比大、效率高、传动精确等特点而被广泛应用于各种机械设备中。齿轮传动系统的复杂性导致齿轮振动信号呈现非平稳和多尺度特征，增加了齿轮故障模式识别的难度。本文在总结齿轮故障类型和特征的基础上,针对齿轮故障振动信号的非线性非平稳性特征，将多分形去趋势波动分析(MultifractalDtrendedFluctuationAnalysis,MF-DFA)和多分形谱理论引入到齿轮故障特征提取中，还分别提出其改进算法的特征提取方法，并结合高斯

3、混合模型(GaussianMixtureModel，GMM)方法，实现齿轮故障诊断。本文主要研究内容包括：1、总结齿轮主要失效类型，并分析齿轮的振动机理，总结常见齿轮失效类型振动信号特征。2、将MF-DFA应用到齿轮故障特征提取中，提出二维MF-DFA的齿轮故障特征提取算法。通过仿真信号证明该方法有效，构建试验体系，设计试验方案，选用适当的信号采集试验设备，采集齿轮模拟故障实验数据以验证此方法实用性。3、将单一无标度区多分形谱理论引入到齿轮振动信号的特征提取中，在此基础上，提出多个无标度区多分形谱特征提取算法。并通过仿真信号证明这两

4、种方法有效，采用同样的试验方法，采用齿轮模拟故障实验数据，验证此方法实用性。4、结合高斯混合模型，将所提出的齿轮振动信号多分形特征提取方法进行对比，齿轮故障分类实验结果表明多个无标度区多分形谱理论特征提取算法计算效率和识别率均高于其他多分形方法，更适合齿轮故障特征提取。关键词：多分形去趋势波动分析；二维去趋势波动分析；多分形谱；高斯混合模型IAbstractAstheimportanttransmissionparts,gearsarewidelyusedinvariousmechanicalequipmentsbecauseofi

5、tshightransmissionefficiency,transmissionratio,transmissionandothercharacteristicsoftheacclaimedaccurate.Thesignals’nonstationaryandnonlinearycausedbycomplexgeartransmissionsystemincreasethedifficultyofthegearfaultpatternrecognition.Basedonsummaryofthecommontypesandcha

6、racteristicsforgearfailures,themultifractaldetrendedfluctuatuinanalysis(MF-DFA)andmultifractalspectrumtheory,whichusuallyareusedtoextractthenonlinearnon-stationaryandmultifractalcharacteristicofthegearfaultvibrationsignals,areemployedtogearfaultfeatureextractioninourwo

7、rk.CombinedwiththeGaussianMixtureModel,thegearfaultdetectionarerealized.Themainresearchescontentsinclude:1、Inthisthesisthemainfailuremodesofgeararesummarized.Bymeansofthevibrationmechanismofgearanalyzing,thecommoncharacteristicofgearbearingfaultsignalswasalsosummarized

8、.2、TheMF-DFAisusedtoextractfeatureofgearfaultsignals,andthetwodimensionMF-DFAisproposed.Itisprovedthatthesemethodsare