论文部分内容阅读
齿轮传动系统是当今世界上应用最为广泛的机械传动机构，齿轮传动被广泛地应用于工业、农业等各个行业的机械设备中，但齿轮又是最容易损坏的机械零件之一。因此，如何及早地发现齿轮传动系统的早期故障，对经济合理地安排设备维修时间，避免发生重大人身伤亡、设备事故有着十分重要的意义。
在机械设备运转过程中，齿轮的各种缺陷和故障必然引起机械振动状态发生变化。因此，在齿轮传动系统的振动信号中，蕴涵有它的健康状态信息，监测和分析振动信号自然就可以诊断齿轮和齿轮传动系统的故障，振动分析是齿轮状态监测和故障诊断的重要手段。
由于齿轮和滚动轴承振动信号具有非平稳性，而经验模态分解(EmpiricalMode Decomposition，简称为EMD)和希尔伯特谱(Hilben spectrum)是一种自适应分析非线性、非平稳信号的新方法，具有处理非线性及非平稳等具有明显瞬时变化特征信号的优点。文中就是利用这种方法对齿轮箱振动信号进行分析实现故障诊断和分析。其关键部分是经验模态分解方法，任何复杂信号都可以由EMD方法分解成有限个本征模态函数(Intrinsic Mode Function，IMF)，再利用Hilbert变换求解各IMF的时频分布。本论文工作主要有以下方面内容：
(1)研究齿轮及齿轮箱振动噪声的产生机理，建立了齿轮振动的数学模型，在对影响齿轮振动的主要因素进行详细探讨的基础上，分析了齿轮的大周期故障和小周期故障的频谱特征。研究了齿轮和滚动轴承故障振动信号的特征，阐述了齿轮和滚动轴承的振动测试方法。通过对齿轮振动理论的全面分析与研究，得出结论：对齿轮振动信号进行有效的时频分析是分析齿轮振动信号的内在需求；
(2)以Hilbert-Huang变换理论研究为主，详细地阐述了Hilbert-Huang变换的基本原理和算法步骤。希尔伯特黄变换是先把一列时间序列数据通过经验模态分解，然后经过希尔伯特变换获得时频谱的信号处理新方法，利用由希尔伯特谱反映出的丰富的物理信息来对齿轮进行故障诊断。
(3)利用经验模态分解和能量特征值对振动加速度传感器获取的齿轮箱振动信号进行特性分析。利用经验模态分解获得振动信号的本征模态函数，并对本征模态函数进行系数一能量计算，提取系统的特征信息，对齿轮箱的故障进行诊断，及时发现齿轮箱的早期故障，提高运行的安全性。
(4)将Hilbert-Huang变换引入齿轮故障诊断，为齿轮故障诊断提供了一种新的途径，提出了局部Hilbert能量谱的概念，同时根据齿轮故障振动信号的特点建立了基于Hilbert-Huang变换的齿轮故障诊断方法。结果表明，基于EMD的Hilbert能量谱方法都能有效地提取齿轮故障特征信息。