资源目录
压缩包内文档预览：
编号：145707921
类型：共享资源
大小：4.50MB
格式：ZIP
上传时间：2021-09-27
上传人：QQ14****9609
认证信息
个人认证
郭**（实名认证）
陕西
IP属地：陕西
50
积分
- 关 键 词：
-
YD60
联合收割机
变速箱
设计
CAD
- 资源描述：
-
YD60联合收割机变速箱的设计6张CAD图,YD60,联合收割机,变速箱,设计,CAD
- 内容简介：
-
通过小波去噪提取变速箱微弱故障信号的新方法陈志新，徐金武，杨德斌摘要：因为弱故障信号的提取总是很困难而且难以找到故障检测的重点。所以为了统计齿轮箱振动信号产生的复杂小波系数的具体特性，形成一种新的去噪方法：使用基于双联波浪转换的当地自适应算法(DT-CWT)介绍在齿轮中提取微弱故障信息尤其是提取脉冲组件。通过分析非高斯概率分布和小波系数之间的信号的相关性统计，并通过DT-CWT的平稳不变的优势，可以获得比普通小波去噪所产生的信噪比(SNR)更高的方法。根据提取周期脉冲下齿轮箱振动信号的实验表明，该方法可以提取早期故障特征和从沉重的噪声特性发现隐藏信息，并且它在齿轮箱振动信号中识别弱特征信号产生了一个很好的效果。关键词：双联波浪转换 去噪 齿轮故障诊断 早期故障跟踪0 介绍从变速箱震动信号中发现早期故障症状是非常重要。通常来说，这些信号从安装在齿轮箱的外表面、轴、轴承和其他部分的加速度计获得。因此，他们都或多或少的受到其他自由体的噪声干扰，包括采样噪声和机械噪声，这些将会导致附近机械部件产生的不必要的振动等等，这些噪声会降低信噪比（SNR）。因此，这些信号总是复杂的并且从中很难发现变速箱的早期故障。机械设备的振动信号大多是非平稳信号，研究非平稳信号的去噪在故障诊断领域具有非常重要的意义。自从小波问世以来，基于小波变换的去噪方法便层出不穷。多哈那及哦啊后和约翰斯隆教授提出了硬、软阈值法和阈值收缩法，就是用阈值的方法来保留大于阈值的小波系数而达到去噪的目的。它们在小波去噪领域应用极其广泛，并在阈值及阈值函数的选取方面不断有新的方法提出。这些小波去噪方法都是基于不同尺度间的小波系数是相互独立的这一假设前提，然而事实上它们之间有显著的依赖性。文中提出了一种基于图像处理的局域自适应双变量收缩去噪方法，本文在此基础上依据一维非平稳信号的小波系数的统计分布特征和双树复小波变换(Dual-Tree Complex Wavelet Transform, DT-CWT)的平移不变性提出了一种基于复小波变换域局部自适应的信号去噪方法，仿真信号和实际信号的实验结果表明这种方法可以取得比上述的小波去噪方法更好的效果。1使用基于DT-CWT本地局部自适应算法的去噪方法很多一维非平稳信号尤其是实际信号经小波分解后的细节系数都满足本节所示的统计分布特性，在此以某实际齿轮箱上测得的振动信号为例说明。1.1复杂的齿轮箱振动信号小波系数的统计特性 通过实现DT-CWT算法所得到的真实和虚构部分的复杂小波系数不是一成不变的，而是有小幅震动的。利用平移不变性的特性，根据统计齿轮箱振动信号所产生的复杂小波系数振幅的特性进行实验。图 1 表示实际齿轮箱上测得的振动信号经 DT-CWT 分解后得到的各层小波系数的统计分布图，共分解成三层。图 2 为其第 1 层和第 2 层的联合分布图非高斯双元概率分布函数（PDF）： （1）其中当=55 时得到的联合分布图如图 3，可见其基本吻合图 2 的联合分布图。这个结果表明在两个相似且适当的条件下所产生的复杂小波系数是可靠得。1.2 DT-CWT和不变性的转化常规的离散正交小波变换降噪会产生伪吉布斯现象，使去噪后的信号在急剧变化部分产生振荡现象，从而对具有奇异点或不连续点的信号的降噪效果影响比较大。考夫曼等人把这种现象的存在归结为采用的小波变换且不具有平移变性并提出采用“循环旋转”方法加以抑制。金斯伯里提出了DT-CWT，它是一种具有近似的平移不变性、良好的方向选择性、有限的数据冗余和高效的计算效率等优良特性的小波变换形式。在对分解后的信号用DT-CWT进行重构时，DT-CWT对双树分别重构后得到的结果进行了平均（如图 4），因此最后得到的结果具有近似的平移不变性。这跟所提出的“循环旋转”在本质上是一样的，因而它们在抑制离散正交小波变换去噪时产生的伪吉布斯现象具有相似的效果。但用它消除伪吉布斯现象比用“循化旋转”方法要更方便和简单。另一种提出了一种基于DT-CWT的隐马尔科夫模型的图像去噪方法，取得了很好的效果。 1.3求出运用信号的小波系数实测信号的小波变换系数可用下式表达： y = w + n （2）其中，y 噪声小波系数w 去噪后小波系数n 噪声的小波变换系数向量则可以得出噪声的方差估计如下： （3）其中，Yi 为一种中值估计器实测信号的局部方差估计如下： （4）其中，M 为小波变换域局域所取局部窗 N(k)的窗长。N(k)图解如图 5。 其中可从中求出： （5）这里的（g）可定义为： （6）最后，从提出的联合分布模型（式1）用 MAP 估计器得到去噪后信号的小波系数估计如下： （7）其中，yi 某层小波系数 yi1 yi 层的上一层小波系数1.4 该方法的具体步骤总结去噪步骤如下。 （1）通过去噪后运用DT-CWT得到的小波系数yi，然后判断他们分布是否符合给出的公式1.如果这个数据符合实证直方图，则可进行下一步。 （2）运用噪声方差使用公式3估计噪声的小波系数。 （3）使用公式4求出每个小波系数yi对应的局部边缘噪声信号的方差y。 （4）运用公式5中的n和y求出每个小波系数yi对应去噪后的边界方差n。 （5）运用公式7中的和求出每个小波系数yi去噪后的小波系数w i,j. （6）运用计算逆DT-CWT重建所有的w i,j，得到信号。2 实验过程2.1模拟信号去噪信号 Doppler 信号和 Heavisine 信号是两个比较典型的非平稳信号，通常用于检测可运用方案的有效性。这个结果在表中表明。其中离散小波包转换（DWPT）、DWT和 DT-CWT 均表示用软阈值法降噪的结果，由此可见本文方法的有效性。 值得一提的是，对于模拟噪声和这篇文章中提出的实际信号，小波系数的分布都符合公式事1所给出的模型。这种染噪信号都是原始纯净信号叠加高斯白噪声。另外，并不是每一个一维信号的小波系数的分布都如此，比如Lorenze噪声就违背了这种情况。2.2从齿轮箱提取微弱故障信息在我们的实验中典型的3类振动信号，包括正常信号，齿轮的早期疲劳信号和齿轮破坏信号都在图6中表现。因为没有负载，所有信号在相同的时间域中的差别并不明显。尽管一些状况明显发生，但它是几乎不可能只有通过这样的信号来评估齿轮故障条件。这些数据很难直接诊断产生沉重噪音的故障的原因。图7展示了振幅谱的信号。 在图7中，36HZ的啮合频率可以清楚的看出所有情况，但在36HZ附近表现的不太明显。根据19赫兹频率分量的振幅可以分离不同的齿轮故障发展。振幅频率越大,断层发生几率将会越高。2.2.1齿轮破损的故障状态只通过光谱数据，有时是很难发现齿轮破损的。如果一个齿坏了，一次脉冲可能将会导致每个齿轮断齿。检测破碎齿的方法是检查时间波形,寻找一个等于齿轮轴的旋转周期时间的时间间隔。在变速箱中，当一个破损齿发生时，通过图8可以明显的看出信号发生变化。变速器传动齿轮轴的旋转周期时间大约为T=0.052 S 图9表示与其他的小波分解相比之下, 该方法获得的结果可以更有效地获得。 2.2.2 齿轮疲劳裂纹时早期的故障条件图10表示，当齿轮的早期疲劳裂纹发生在行星齿轮变速箱时，它可以提取代表了断层的周期信号 图11显示同图9同样的情况下。 2.2.3 正常情况时当变速箱运行正常时，没有明
- 温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
川公网安备: 51019002004831号