论文部分内容阅读
滚动轴承和齿轮是汽车变速器的重要组成部件,由于其故障而导致的车辆安全事故屡见不鲜。因此在变速器故障诊断中,常将齿轮和轴承故障作为其重点研究对象。由于变速器的结构复杂、零件多,当变速器发生故障时,其众多零部件中的故障特征信息会被强噪声所干扰,从而难以有效地提取和识别故障特征。而且在实际工程应用中,汽车变速器常在非稳态变转速的工况下运行,研究非稳态变转速下汽车变速器故障诊断方法具有重要的意义。近年来,针对非稳态转速条件下旋转机械设备的故障诊断方法研究已成为科研人员的攻关目标之一。本文以汽车变速器为研究对象,通过对在非稳态变转速工况下汽车变速器的齿轮故障进行分析,研究非稳态变转速下汽车变速器故障特征提取。论文主要研究内容如下:(1)通过分析汽车变速器中齿轮和轴承的故障类型、振动机理以及故障信号振动特性,通过仿真分别分析了齿轮和滚动轴承在变转速工况下时域、频域和故障特征阶域的振动信号特征。在此基础上,利用汽车变速器故障实验台,以时域特征值和样本熵分析为主,对加速度传感器测点的振动数据进行了分析,以此确定最佳的传感器测点。分析了基于光电转速传感器的速度曲线拟合方法,为变转速故障诊断方法提供可靠的实验数据。(2)深入研究多点优化最小熵解卷积(MOMEDA)和最大二阶循环平稳盲解卷积(CYCBD)的基础理论以及滤波器长度对这两种故障诊断方法降噪效果的影响。在此基础上,分别使用基于计算阶比跟踪(COT)和MOMEDA方法与CYCBD和时间-角度(A-T)谱的故障特征提取方法,通过实验和故障仿真信号研究了两种方法的故障特征提取效果。针对变转速工况下的频域“频谱模糊”问题,首先对变转速故障信号使用COT方法将非平稳的时域信号转化为平稳的角域信号,然后对角域平稳信号使用MOMEDA方法进行降噪,以此来提取出汽车变速器的故障特征。但此种方法需要对振动信号进行角域重采样,它会破坏原有振动信号固有的时间特性,无法有效地保证故障特征阶次的提取效果。变转速振动信号成分相对复杂,且背景噪音较大,直接应用A-T谱方法提取故障特征将不能达到理想的降噪效果。为清晰识别变转速工况下的故障特征,本文使用CYCBD和A-T谱相结合的方法,实现变转速故障特征提取。