数学形态学在齿轮故障诊断中的应用研究

发布时间：2017-04-19 20:05

  本文关键词：数学形态学在齿轮故障诊断中的应用研究，由笔耕文化传播整理发布。

【摘要】：在机械设备中，齿轮是一种必不可少的常用部件，广泛应用于现代工业设备领域中，据显示，在机械设备故障中由于齿轮的失效而引起的故障占了很大比例，故对齿轮进行故障诊断意义重大。 对于齿轮故障诊断的核心和关键是齿轮故障特征信号的提取，从提取的特征信号中可以识别出齿轮故障的类型和损伤部位。本文在学习了齿轮故障的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和多分量的调制特征，将数学形态学引入到齿轮故障特征提取中，并结合了集合经验模式分解（EEMD）和局部均值分解（LMD）方法，有效地提取出了齿轮的故障特征信息。本文的主要研究内容： 1、将数学形态学应用到齿轮故障特征提取中，并用仿真信号和齿轮模拟故障实验数据证明了该方法的有效性，采用形态平均滤波器实现信号的降噪，形态差值滤波器实现信号特征的提取。 2、在数学形态学的基础上，提出了基于EEMD形态学的齿轮故障特征提取算法。通过仿真信号和齿轮模拟故障实验信号证明了该方法是有效的。 3、针对EEMD分解速度慢的问题，本文将LMD引入到齿轮振动信号的降噪中，并与数学形态学相结合，提出了一种基于LMD形态学的齿轮故障特征提取算法。 4、比较三种方法在齿轮故障特征提取中的优劣，综合分析，结果表明：基于LMD形态学的特征提取算法更适合齿轮故障的特征提取。 本课题主要研究了一些基于形态学的故障特征提取算法，从计算效率和处理效果上对比分析，表明基于LMD形态学算法更适合应用于大型设备的实时在线监测系统中，但是该方法还有待应用到更多的实时信号，对其有效性和实用性进行验证，以期为设备实时在线监测提供一种稳定的、有效的方法。
【关键词】：齿轮故障诊断 数学形态学 故障特征提取 集合经验模式分解 局部均值分解
【学位授予单位】：武汉科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3;TH132.41
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-18
• 1.1 课题研究的背景和意义10-11
• 1.2 齿轮故障诊断的研究现状11-12
• 1.3 基于振动信号的处理技术12-14
• 1.3.1 平稳信号分析方法12-13
• 1.3.2 非线性非平稳信号时频分析方法13-14
• 1.4 数学形态学的提出及其在机械故障诊断中的研究现状14-15
• 1.4.1 数学形态学的提出14
• 1.4.2 数学形态学在机械故障诊断中的研究现状14-15
• 1.5 本课题的主要研究内容15-17
• 1.6 结论17-18
• 第2章 齿轮的故障诊断18-33
• 2.1 引言18
• 2.2 齿轮故障的类型和成因18-20
• 2.2.1 齿轮故障的类型18-19
• 2.2.2 齿轮故障的成因19-20
• 2.3 齿轮的振动机理20-25
• 2.3.1 齿轮振动的来源20-21
• 2.3.2 齿轮振动的基本参数21-24
• 2.3.3 齿轮振动的简化模型24-25
• 2.4 齿轮振动信号的调制25-30
• 2.4.1 齿轮的啮合频率调制现象26-30
• 2.4.2 齿轮的固有频率调制现象30
• 2.5 齿轮典型故障的振动信号特征30-32
• 2.6 结论32-33
• 第3章 数学形态学分析方法33-49
• 3.1 引言33
• 3.2 数学形态学基本运算33-38
• 3.2.1 膨胀运算（Dilation）33-35
• 3.2.2 腐蚀运算（Erosion）35-36
• 3.2.3 开运算（Open）36-37
• 3.2.4 闭运算（Close）37-38
• 3.3 数学形态滤波器的基本理论38-39
• 3.4 数学形态学的结构元素39-40
• 3.4.1 结构元素形状的选取39-40
• 3.4.2 结构元素尺寸的确定40
• 3.5 数学形态学在仿真信号中的应用40-42
• 3.6 数学形态学在齿轮故障诊断中的应用42-48
• 3.6.1 齿轮故障模拟实验43-44
• 3.6.2 数学形态学在齿轮断齿故障特征提取中的应用44-46
• 3.6.3 数学形态学在齿轮磨损故障特征提取中的应用46-48
• 3.7 结论48-49
• 第4章 基于 EEMD 形态学的齿轮故障特征提取49-60
• 4.1 引言49
• 4.2 集合经验模式分解（EEMD）基本理论49-53
• 4.2.1 EEMD 在机械故障诊断中的应用49-50
• 4.2.2 EEMD 分解原理50-53
• 4.3 基于 EEMD 形态学的特征提取算法53
• 4.4 基于 EEMD 形态学在仿真信号中的应用53-55
• 4.5 基于 EEMD 形态学在齿轮故障诊断中的应用55-59
• 4.5.1 基于 EEMD 形态学在齿轮断齿故障中的特征提取55-57
• 4.5.2 基于 EEMD 形态学在齿轮磨损故障中的特征提取57-59
• 4.6 结论59-60
• 第5章 基于 LMD 形态学的齿轮故障特征提取60-69
• 5.1 引言60
• 5.2 局部均值分解（LMD）基本理论60-63
• 5.2.1 LMD 在机械故障诊断中的应用60-61
• 5.2.2 LMD 分解原理61-63
• 5.3 基于 LMD 形态学的特征提取算法63-64
• 5.4 基于 LMD 形态学在仿真信号中的应用64-65
• 5.5 基于 LMD 形态学在齿轮故障诊断中的应用65-68
• 5.5.1 基于 LMD 形态学在齿轮断齿故障中的特征提取65-67
• 5.5.2 基于 LMD 形态学在齿轮磨损故障中的特征提取67-68
• 5.6 结论68-69
• 第6章 三种基于形态学的齿轮故障诊断方法比较69-75
• 6.1 引言69
• 6.2 仿真信号的比较69-70
• 6.3 齿轮模拟故障实验的比较70-74
• 6.3.1 齿轮断齿模拟实验的比较71-72
• 6.3.2 齿轮磨损模拟实验的比较72-74
• 6.4 结论74-75
• 第7章 总结与展望75-77
• 7.1 总结75-76
• 7.2 展望76-77
• 致谢77-78
• 参考文献78-84
• 附录 1 攻读硕士学位期间发表的论文84-85
• 附录 2 攻读硕士学位期间参加的科研项目85-86
• 详细摘要86-90

【参考文献】

中国期刊全文数据库 前10条

1 章立军;徐金梧;阳建宏;杨德斌;;自适应多尺度形态学分析及其在轴承故障诊断中的应用[J];北京科技大学学报;2008年04期

2 赵继印;徐艳蕾;焦玉斌;;基于顺序形态学的图像边缘检测快速算法的研究[J];电子学报;2008年11期

3 许东;安锦文;;基于属性形态学分析的图像显著极值检测及应用[J];航空学报;2006年04期

4 赵昭;刘利林;张承学;李海涛;汪建敏;;形态学滤波器结构元素选取原则研究与分析[J];电力系统保护与控制;2009年14期

5 郝如江;卢文秀;褚福磊;;滚动轴承故障信号的多尺度形态学分析[J];机械工程学报;2008年11期

6 胡爱军;向玲;唐贵基;杜永祚;;基于数学形态变换的转子故障特征提取方法[J];机械工程学报;2011年23期

7 陈向民;于德介;罗洁思;;基于线调频小波路径追踪阶比循环平稳解调的齿轮故障诊断[J];机械工程学报;2012年03期

8 王国涛;涂群章;赵建勋;吴海;;油液检测技术在工程机械中的应用[J];建筑机械;2011年03期

9 王国彪;何正嘉;陈雪峰;赖一楠;;机械故障诊断基础研究“何去何从”[J];机械工程学报;2013年01期

10 曹宇光;张士华;李森;刘海超;;自升式平台齿轮齿条损伤温度检测方法[J];中国石油大学学报(自然科学版);2013年03期

中国博士学位论文全文数据库 前1条

1 沈路;数学形态学在机械故障诊断中的应用研究[D];浙江大学;2010年

  本文关键词：数学形态学在齿轮故障诊断中的应用研究，由笔耕文化传播整理发布。

本文编号：317021