基于隐马尔科夫模型的齿轮故障诊断-机械电子工程专业论文.docxVIP

万方数据 万方数据 南昌航空大学硕士学位论文原创性声明 本人郑重声明：所呈交的硕士学位论文，是我个人在导师指导下， 在南昌航空大学攻读硕士学位期间独立进行研究工作所取得的成果。 尽我所知，论文中除已注明部分外不包含他人已发表或撰写过的研究 成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中作 了明确地说明并表示了谢意。本声明的法律结果将完全由本人承担。 签名： 日期： 南昌航空大学硕士学位论文使用授权书 本论文的研究成果归南昌航空大学所有，本论文的研究内容不得 以其它单位的名义发表。本人完全了解南昌航空大学关于保存、使用 学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电 子版本，允许论文被查阅和借阅。本人授权南昌航空大学，可以采用 影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内 容。同时授权中国科学技术信息研究所将本学位论文收录到《中国学 位论文全文数据库》，并通过网络向社会公众提供信息服务。 （必威体育官网网址的学位论文在解密后适用本授权书） 签名： 导师签名： 日期： 70 摘 要 齿轮传动在机械设备中应用广泛，其运行状态的好坏直接决定了整个设备 的性能，因此对齿轮运行状态进行在线监测和故障诊断尤为重要。齿轮传动是 以轮齿的周期性啮合传递运动，这一过程必将产生机械振动，当齿轮出现制造 装配误差、磨损、裂纹等故障与缺陷时，必然会使机械振动产生不同的变化， 其啮合振动信号中包含了丰富的齿轮状态信息，因此，分析齿轮啮合振动信号 是齿轮故障诊断最有效的方法。 在齿轮的使用中，希望能够及早的发现故障并对故障做出诊断，就可以合 理的使用齿轮或制定维修计划，提高齿轮的利用率，防止生产事故的发生。为 此，本文以齿轮为分析对象，采用理论分析与实验研究相结合，深入研究了基 于隐马尔科夫模型（HMM：Hidden Markov Model）的齿轮故障诊断方法与技 术，主要做了以下几个方面的工作。 1.分析了齿轮故障诊断的研究意义，综述了齿轮故障诊断技术的发展与 HMM 在故障诊断中的应用，阐述了齿轮故障模式，常见故障的振动机理与齿 轮啮合振动信号的特征。 2.研究了 HMM 的基本理论，重点讨论了连续隐马尔科夫模型（CHMM： Continuous HMM）的理论，针对算法下溢与模型参数的初始化这两个实际应用 中出现的问题，给出了解决方案。最后给出基于 HMM 的齿轮故障诊断的思路 与流程。 3.提出了基于细化谱分析的齿轮故障特征提取方法，并将其应用在离散隐 马尔科夫模型（DHMM：Discrete HMM）中，该方法首先利用时域同步平均提 取目标齿轮的振动信号，再进行细化谱分析提取主要频率及其附近的边频带幅 值作为特征向量，量化后输入到模型中进行训练和分类。通过实验验证了该方 法的有效性。 4.应用 CHMM 结合 AR 系数的特征提取方法，进行了齿轮故障诊断与齿轮 的状态识别。在齿轮状态识别的研究中，进行了齿轮的全生命周期实验，采用 交叉验证寻找最优状态数，并用 K 均值聚类算法对模型进行状态初始化，成功 的对生命周期三个阶段进行了识别，为齿轮箱的状态监测提供了科学依据。 关键词：齿轮故障诊断，隐马尔科夫模型，细化谱分析，状态识别 I Abstract The gear transmission has been applied widely to the mechanical device; its state directly determines the performance of the entire device. Therefore, monitoring and fault diagnosis of the running gear is particularly important. When the mechanical device is working, motion and force is transmitted through engagement between the driving gear and driven gear in geared system, and the mesh vibration must be generated. The mechanical vibration can be changed by manufacturing assembly error, wear, cracks as well as others defaults of gear. Meshing vibration signal contains a wealth of gear status information; so, the analysis of meshing