网站首页  词典首页

请输入您要查询的论文:

 

标题 PMA—ASTFA及其在齿轮裂纹定量诊断中的应用
范文

    杨宇 欧龙辉 吴家腾 程军圣

    

    

    

    摘要:目前对齿轮裂纹的诊断研究多采用定性诊断,而工程实际中往往更关注定量诊断。由于齿轮裂纹信号往往表现出非线性非平稳特征,处理这类信号通常采用时频分析。自适应最稀疏时频分析(Adaptive and SparsestTime-Frequency Analysis,简称ASTFA)是一种新的时频分析方法,相比于经验模态分解(Empirical Mode Decomposition,简称EMD)方法,ASTFA方法能更好地抑制端点效应和模态混淆,但ASTFA方法也存在分解得到的分量排列不规律的缺陷,从而给特征提取时分量的选择带来困难。针对这一问题,提出了一种改进ASTFA算法,即基于主模态分析(Principle Mode Analysis,简称PMA)的自适应最稀疏时频分析(PMA-ASTFA)方法,该方法可以根据所选择的故障特征参数(一个或多个)对内禀模态函数(Intrinsic Mode Function,简称IMF)分量进行排序。根据齿轮故障实验台建立齿轮动力学模型,选择对齿轮裂纹敏感的故障特征参数,再把PMA-ASTFA方法用于实测的齿轮裂纹故障信号处理。实验信号的分析结果表明,提出的方法可以有效地实现齿轮裂纹故障的定量诊断。

    关键词:故障诊断;改进的自适应最稀疏时频分析;主模态分析;齿轮裂纹;定量诊断

    1概述

    齿轮裂纹故障信号具有非线性非平稳特性,针对这种非线性非平稳的信号,往往采用时频分析方法对信号进行处理,并进行故障特征参数提取分析,实现齿轮的故障诊断。在齿轮故障诊断方法中,常用于故障信号分析的时频分析方法有经验模态分解(Empirical Mode Decomposition,简称EMD)、总体平均经验模态分解(Ensemble Empirical Mode Decomposition,简称EEMD)等方法,但是EMD方法存在模态混淆和端点效应等缺陷。受EMD方法和压缩感知理论启发,2011年10月Thomas Y Hou与Zuoqiang Shi提出了自适应最稀疏时频分析(Adaptive and Sparsest Time-Frequency Analysis,简称AsTFA)。该方法将信号分解问题转化为优化问题,以分解的分量有物理意义为约束条件,以分解的分量个数最少为优化目标,在由内禀模态函数(Intrinsic Mode Function,简称IMF)组成的过完备字典库中寻求信号的最稀疏表示,从而把信号分解为多个IMF及余量之和。相对于EMD、EEMD方法,ASTFA方法能更好地抑制端点效应和模态混淆,并在齿轮箱复合故障诊断方面已得到了应用。采用ASTFA对信号分解后,进行滤波或提取特征值等不同处理时,需要选择合适的分量和排序,但是ASTFA方法存在分解出来的分量排列不规律的缺陷,从而给分量的选择和排序带来困难,针对这一缺陷,本文提出用主模态分析(Principle Mode Analysis,简称PMA)对ASTFA方法进行改进,即提出基于主模态分析的自适应最稀疏时频分析方法(Principle Mode Analysis based Adaptive and Sparsest Time-Frequency Analysis,简称PMA-ASTFA)。PMA方法根据所选择的故障特征参数(一个或多个)对IMF分量进行排序,从而为齿轮故障特征提取时分量的选择提供依据。

    本文采用如图1的流程实现齒轮裂纹故障定量诊断。首先,根据搭建的齿轮故障实验台建立10自由度的齿轮动力学模型,以不同裂纹程度(裂纹在齿根厚上的投影占齿根厚的百分比)的时变啮合刚度为激励求得动力学响应信号,提取响应信号的故障特征参数,找出对齿轮裂纹故障敏感的特征参数。接着,在搭建的实验台上,采集不同齿轮齿根裂纹故障下的振动信号。然后,应用ASTFA方法对实测的齿根裂纹故障信号进行分解,根据找出的敏感故障特征参数,用PMA方法对ASTFA分解的分量进行排序。最后,运用神经网络模型对齿轮进行裂纹故障程度定量分析,实现对齿轮齿根裂纹故障的定量诊断。

随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/3/10 15:33:42