基於形態分量分析的變工況齒輪箱故障診斷技術研究

《基於形態分量分析的變工況齒輪箱故障診斷技術研究》是依託石家莊鐵道大學，由郝如江擔任項目負責人的面上項目。

基本介紹

• 中文名：基於形態分量分析的變工況齒輪箱故障診斷技術研究
• 項目類別：面上項目
• 項目負責人：郝如江
• 依託單位：石家莊鐵道大學

項目摘要

變工況條件下的齒輪箱故障診斷，屬於複雜結構、複雜工況、非線性、非定常、非穩態和非加性白噪聲條件下的診斷問題，而傳統時頻分析方法又存在時頻聚集性不夠、抗噪能力弱，不能有效分析瞬時頻率變化大的非平穩信號的問題，因而難以有效處理變工況條件下的齒輪箱故障診斷問題。本項目基於稀疏信號處理技術和形態分量分析方法，提出一種變工況條件下的齒輪箱故障診斷新方法。深入系統地研究基於自適應字典選擇、自適應字典學習和疊代閾值更新策略、基於稀疏信號表示的形態分量分析方法的齒輪箱故障特徵提取方法，並將其套用於變工況下齒輪箱多故障振動信號故障特徵的提取，以有效提取齒輪箱軸承、齒輪的故障特徵，提高齒輪箱多故障診斷的準確性和可靠性。其研究成果不僅能有效解決變工況下複雜結構齒輪箱的故障診斷難題，而且還將完善和拓展形態分量分析理論，拓展機械故障診斷的新理論和新方法。

結題摘要

結合國家自然科學基金項目“基於形態分量分析的變工況齒輪箱故障診斷技術研究”（項目編號51375319），採用理論研究與實驗研究相結合的方法，提出了一種新的現代信號處理方法—基於稀疏信號分解的形態分量分析方法，並將其套用於工況變化的複雜結構齒輪箱多故障診斷，深入系統地研究了基於自適應字典選擇和TH-MOM閾值更新策略、基於形態分量分析的降噪技術、基於形態分量分析的齒輪箱動態調製邊頻帶提取方法等技術。並將其套用於齒輪箱多故障振動信號故障特徵信息的提取，有效解決了複雜工況條件下齒輪箱故障診斷的準確性和可靠性問題，拓展了機械故障診斷的理論與技術，為齒輪箱的故障檢測和診斷提供了一種新的研究方法。研究的主要內容及創新成果如下：（1）提出了形態分量分析技術中字典選擇、字典學習和疊代閾值更新方法 提出了基於自適應字典選擇和TH-MOM (Hard Threshold-MOM)的閾值更新策略，該方法不僅能將形態各異的多分量信號進行有效分離，提高了信噪比，能有效地識別軸承的故障類型和部位。（2）提出了基於形態分量分析的變工況下非平穩信號降噪方法 針對強噪聲環境中有用信號提取的難題，提出了基於廣義形態分量分析的降噪方法。該方法通過引入虛擬測量信號，將一維測量信號擴展為多維虛擬測量信號，再通過廣義形態分量分析，實現測量信號的盲源分離，從而達到降噪的目的。（3）提出了基於形態分量分析的變工況條件下非平穩信號解調、解耦方法 針對變速變載工況下的非平穩過程，難以從產生嚴重幅值、相位調製和信號耦合的複雜信號中提取有用振動信號的難題，綜合利用形態分量分析方法和角域幅值、相位分析解調技術，解決了變工況條件下非平穩信號解調、解耦難題。（4）提出了基於形態分量分析的變工況條件下齒輪箱多故障模式識別方法 針對齒輪箱複合故障難以檢測和診斷難題，充分利用信號的形態多樣性，構建自適應信號字典，以匹配信號的結構特徵、有效分離有用信號。