基于EEMD和优化的MP算法在齿轮箱故障诊断中的研究-机械工程专业论文.docxVIP

基于 EEMD 和优化的 MP 算法在齿轮箱故障诊断中的研究 摘要 齿轮箱是机械设备中传递动力和旋转运动的最重要部件，为了保证齿轮箱能在高效 率、高精度、高载荷条件下连续正常工作，对齿轮箱故障的分析与研究变得越来越重要。 提取故障特征信息是齿轮箱故障诊断的关键，而信号处理是特征提取的最常用方法 之一，由于齿轮箱振动信号的采集比较方便且能很好的表征出故障特征信息，因此，本 文将主要分析与处理在齿轮箱旋转过程中获取的振动信号。 实验中采集到的振动信号成分复杂且有较强的非平稳性，使信号的特征被湮没掉， 造成信号分析的不准确。本论文利用基于遗传算法优化的匹配追踪（GAMP）算法对振 动信号消噪，对比不同次数分解所需的计算时间，以及分解得到的重构信号与原始信号 的均方误差和信噪比，找到了比较合适的分解次数，达到了很好的消噪效果。由于匹配 追踪（MP）算法是以具有简谐振动和双面指数衰减振动特点的高斯函数作为基函数来 对信号进行线性展开，对于消噪后的信号可能存在虚假频率成分或一些不连续分量，本 文利用总体平均经验模式分解（EEMD）方法来剔除这些虚假的频率成分，针对分解过 程中可能出现的端点效应，提出通过相关度从所有的 IMF 中选取反映故障特征敏感的 IMF，剔除掉信号中的虚假频率成分，提取出特征频率。 本文研究中用到的实验平台是由电动机、两台齿轮箱、涡流制动器通过联轴器连接 的一套传动系统