论文部分内容阅读
本文以齿轮振动信号作为研究对象,采用谱熵方法提取故障特征,区分故障类型,对不同类型的齿轮振动信号进行了分类和聚类分析,在此基础上研制开发了虚拟仪器故障诊断系统。 如何从随机信号中采用合适的方法进行故障特征提取是故障诊断关键。谱熵方法基于统计学,表示信号的无序性,对噪声不敏感。本文将谱熵方法引入到齿轮传动系统中,对齿轮发生的裂纹、磨损故障进行了特征提取、区分与诊断,并与正常齿轮进行了对比。表明它可以很好的提取不同状态齿轮信号的特征,能够将它们进行有效的分离。在此基础上进行了分类处理,可以对未知的齿轮振动信号进行可靠的判定。表明使用谱熵对不同状态类型的齿轮进行判定是一种有效的切实可行的方法。 数据挖掘可以解决常用的故障诊断方法的许多不足,如知识获取的“瓶颈”问题和推理的合理性及可靠性问题,是一种先进的获取特征信息的方法。本文将数据挖掘中的聚类分析方法应用到齿轮故障诊断中,在上面谱熵处理的基础上,分别用K-mean方法和改进的基于密度和网格划分的方法对一维和二维谱熵进行了处理和分析,取得了很好的效果。通过DCT变换和FFT变换得到的二维谱熵,可以表明,DCT变换的结果更有利于不同状态类型的齿轮信号的分离,而FFT变换的结果却更有利于对齿轮恶化状态的趋势分析和预测。证明使用聚类分析方法可以对不同类型的齿轮信号进行处理,从而可以满足对齿轮故障类型的区分和预测。 虚拟仪器以其独特的优点近年来得到了飞速的发展,将其应用于工程实际也是测量仪器和故障检测的发展方向。因此本文在对虚拟仪器的构成、特点以及开发平台等论述的基础上,结合VC++和MATLAB的优点、采用了两者混合编程的方法作为虚拟仪器开发平台,进行了故障分析的虚拟仪器设计与开发。基于谱熵方法进行故障特征提取,设计了不同的功能模块,包括信号的导入、谱熵的特征分析处理、聚类分析、诊断及其结果显示等功能,从而实现了故障诊断的全部过程。