论文部分内容阅读
齿轮箱是机械传动的核心设备,而低速重载齿轮箱具有工作转速低、运行工况呈典型的间歇性且承受较大的冲击载荷的特点,对其状态监测和故障诊断一直是研究的热点。声发射(AE)检测是一种新型实时检测技术,具有灵敏度高、易于提取设备运行状态特征信息的特点,适用于低速重载齿轮箱的故障诊断。但是低速重载齿轮箱 AE信号本身的不确定性和AE源的多样性,使声发射信号容易受到噪声干扰而湮没在背景噪声中,因此研究如何消除干扰噪声提取有用信息具有重要意义。本课题对低速重载齿轮箱声发射信号消噪技术进行研究,主要取得了以下研究成果: (1)根据低速重载齿轮箱的结构、故障机理以及声发射检测技术特点,以某船闸人字门机械式启闭机卧式减速箱为研究对象,设计传感器布置方案,并对其进行现场声发射检测。根据研究成果,形成了大型低速重载齿轮箱状态检测分析技术。 (2)通过对多尺度变步长LMS自适应滤波和提升小波算法的理论分析,本文提出了改进的提升小波变步长LMS自适应滤波算法。然后分别用多尺度变步长LMS自适应滤波、提升小波滤波和改进的提升小波变步长LMS自适应滤波算法对采集的声发射信号进行滤波消噪。 (3)根据粒子滤波特点,选用AR模型系数做粒子滤波的状态方程系数,利用小波消噪技术提取声发射噪声信号;同时根据FPE、BIC和AIC准则确定声发射信号AR模型阶数,并计算相应参数,建立了低速重载齿轮箱声发射信号的粒子滤波模型,对采集的声发射信号进行滤波消噪。 (4)通过四种滤波算法消噪后的波形、时域特征参数、所提高的信噪比、均方根误差及计算量的对比分析,得出粒子滤波技术和改进提升小波变步长LMS自适应滤波技术对低速重载齿轮箱声发射检测中滤波效果比较好的结论,但是粒子滤波技术由于粒子数目多导致计算量大。 (5)对四种滤波算法消噪后的声发射数据用BP神经网络进行故障诊断。首先建立BP神经网络基本模型,应用归一化对消噪前后的训练样本和测试样本进行处理,然后根据训练好的神经网络进行故障诊断,验证了粒子滤波技术和本文提出的提升小波变步长LMS自适应滤波技术可以有效地应用在低速重载齿轮箱声发射检测中。