小波分析课程作业.doc

基于小波分析的齿轮故障诊断方法 摘要：齿轮传动是机械传动中最常用的方式。本文阐述了三种基于小波理论的齿轮故障诊断方法。其中，小波包和BP网络识别的方法能较好地抑制干扰，从复杂振动信号中分离出故障特征，对齿轮故障模式进行准确识别，是一种有效的齿轮故障在线诊断方法。高斯利用高斯小波基函数从相位的角度提取齿轮振动信号的故障信息，可突出边频带结构，有效识别故障模式。复解析小波变换将Hilbert 变换与小波分析紧密结合在一起，具有自适应分析能力。该方法能有效地诊断齿轮局部故障，且与传统的频域方法相比具有更好的分析效果。 关键词：齿轮故障诊断 小波包 BP 网络 复解析小波变换 Gear Fault Diagnosis Based on Wavelet Analysis Abstract：Gear transmission is the most common way in mechanical transmission. In this paper, three kinds of wavelet theory-based gear fault diagnosis method are presented. As an effective method for gear fault diagnosis, the method of wavelet packet and BP neural network identification can suppress the interference and separate the fault feature from complex vibration signals to make an accurate identification of the gear fault pattern. By using the Gaussian wavelet function to extract the fear fault vibration signals from the phase aspect, Gaussian complex wavelet transform can prominent the structure of sideband and identify the failure modes. The complex analytic wavelet transformation combines the Hilbert transformation and the wavelet analysis to get the capability of Adaptive analysis. This method can effectively detect partial failure of gear. Thus, it has got a better effectiveness compared with traditional frequency domain methods. Key words：Gear fault diagnosis Wavelet packet BP neural network omplex wavelet transform Complex Analytical Wavelet Transform 0 引言 齿轮具有结构紧凑、效率高、工作可靠等优点，齿轮及齿轮箱作为机械设备中一种必不可少的连接和传递动力的通用零部件，在现代工业设备中得到了广泛的应用。但是，在齿轮工作过程中，齿轮、轴承和轴都会产生振动信号，当上述零件发生故障时，振动信号便会产生不同形式的变化。利用振动信号携带的运行状态信息就可以进行故障模式的识别，进而排除故障。鉴于齿轮的故障是诱发机械故障的重要因素，探索更准确、更便利的齿轮故障诊断方法，已成为国内外科技人员的重要研究课题。傅立叶变换是对信号能量的平均，仅在频域具有良好的局部化效果， 因此只适应于分析平稳信号。而通过传感器提取的齿轮振动信号往往是非平稳信号，小波分析具有优越的时频窗，可同时在时频域局部化，不仅可以突出不同频率信号随时间变化的规律， 而且还能有效地表现瞬态信号特征，是分析非平稳信号的有效手段，并能充分提取齿轮振动信号的故障特征，从而达到突出故障特征、识别故障的目的。本文总结了近年来利用小波分析中的连续小波变换、复解析小波变换、小波包分解等理论以及Hilbert变换、人工神经网络等知识，所提出的三种诊断齿轮故障的有效方法。1 齿轮故障模式及小波分析原理 1.1 齿轮常见故障 通常齿轮在运转时，由于制造不良或操作维护不善会产生各种形式的故障。故障形式又随齿轮材料、热处理、运转状态等因素的不同而不同