基于改进的CEEMD及IMF价值评价的高速列车齿轮箱故障诊断研究

《基于改进的CEEMD及IMF价值评价的高速列车齿轮箱故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：U270.7密级：公开国际图书分类号：629西南交通大学研究生学位论文基于改进的CEEMD及IMF价值评价的高速列车齿轮箱故障诊断研究年级二〇一五级姓名陈东月申请学位级别工学硕士专业精密仪器及机械指导老师林建辉教授二零一八年五月ClassifiedIndex:U270.7U.D.C:629SouthwestJiaotongUniversityMasterDegreeThesisHIGH-SPEEDTRAINGEARBOXFAULTDIAGNOSISBASEDONMODIFIEDCEEMDANDIMF

2、VALUEEVALUATIONGrade:2015Candidate:ChenDongyueAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:PrecisionInstrumentandMachinerySupervisor:Prof.LinJianhuiMay.2018西南交通大学硕士研究生学位论文第I页摘要目前，我国大力发展高速铁路，安全一直是高速铁路发展的主旋律，齿轮箱作为传动系统的主要部件，承担着来自于轮轨以及车体的激励，振动环境复杂，应作为重点状

3、态监测对象。随着列车行驶速度的提升，齿轮箱的工作环境更加严峻，对于齿轮箱故障诊断的研究十分的必要。本文将采用振动信号作为故障诊断的信息载体进行研究，对齿轮以及轴承的振动机理以及故障振动特性进行了研究与说明。经验模态分解（EmpiricalModeDecomposition，EMD）系列方法由Huang等人提出，主要包含经验模态分解（EMD）、总体平均经验模态分解（EnsembleEmpiricalModeDecomposition，EEMD）以及补充的总体平均经验模态分解（ComplementaryEnsemble

4、EmpiricalModeDecomposition，CEEMD）。EMD系列方法都具有自适应分解的特点，常被应用于非线性、非平稳性信号的分解，EMD系列方法从信号本身局部时间尺度特征出发，实现信号的分解，不需要掌握信号的先验知识。EEMD以及CEEMD方法通过噪声辅助数据分析的方法，能够很好的解决由于间歇性成分引起的EMD分解模态混叠问题，其中CEEMD方法具有更小的重构误差，本文基于CEEMD方法实现高速列车齿轮箱的故障诊断。对于噪声辅助的EMD方法都需要利用大量的总体集成平均去除添加噪声，因此其运行时间与传统

5、的EMD方法相比要长很多。对于在线诊断系统，算法运行时间较长将直接影响系统故障诊断的工作效率；采用EMD系列方法分解信号，将会得到多个本征模态分量（IntrinsicModeFunctions，IMF）分量，对于IMF分量选择分析，也需要进行研究。因此提出了一种改进的CEEMD（ModifiedCEEMD，M-CEEMD）方法，旨在降低CEEMD方法的运行时间。其原理在于，信号中冲击、噪声这些可能引起模态混叠的成分，会在前几个分量中被分离出来，同时将这些分量分离后，剩余信号将不需要经历多次集成平均过程，利用传统EM

6、D分解即可。对于冲击成分以及噪声成分的判别，采用了峭度以及自相关参数检验的方法。此外还对IMF进行了价值量化评价，提出一种IMF评价指标，旨在能够自动选出含有有效信息的IMF分量，为进一步的故障诊断打好基础。最终，通过齿轮箱复合故障仿真分析，以及高速列车齿轮箱实测数据的应用，验证了改进的CEEMD方法以及IMF评价指标的有效性。关键词：高速列车齿轮箱；改进的CEEMD；IMF价值评价；故障诊断西南交通大学硕士研究生学位论文第II页AbstractAtpresent,High-speedrailwayhasbeeng

7、reatlydeveloped,andsafetyhasalwaysbeenthemainthemeofhigh-speedrailwaydevelopment.Asthemaincomponentofthetransmissionsystem,thegearboxbearstheexcitationfromthewheel-railandthecarbody,andthevibrationenvironmentiscomplex,whichshouldbethekeystatemonitoringobject.T

8、heEmpiricalModeDecomposition(EMD)basedmethodspresentedbyHuangetal.,andthemainmembersincludeEmpiricalModeDecomposition(EMD),EnsembleEmpiricalModeDecomposition(EEMD),ComplementaryEns