文档介绍：齿轮箱故障的原因和诊断方法
第1页，此课件共23页哦
齿轮箱故障研究的目的和意义
齿轮箱是机械设备中应用最为广泛的传动机构。
自身结构复杂，工作环境恶劣，非常容易出故障。
齿轮箱故障将直接影响设备的安全可靠运行，降低加工精度和
第7页，此课件共23页哦
齿轮箱故障诊断试验
一：齿轮的三种故障模式
表（一）
齿轮裂纹全深度为a=，裂纹全宽度为b=25mm，所选齿轮箱转速为800r/min，*m。
第8页，此课件共23页哦
齿轮箱故障诊断试验
二：时域特征提取
当齿轮出现故障时，齿轮箱时域信号会生变化，它的幅值和分布都与正常齿轮的时域信号有差异。每个时域特征参数或者特征量都反映了振动信号的某种特性，通过这些特性可以对不同信号进行区分。对于一组离散的测试信号 ，本文取 N=1024 ，几个特征参数的计算公式如下 ：
第9页，此课件共23页哦
齿轮箱故障诊断试验
三：小波包特征提取
优点
小波包分解可以同时对信号的低频和高频部分进行分解，并且克服了多分辨分析不能对高频部分进行细分的缺点。具有很 高的时频局部分化分析能力。此外，小波包分解能够根据被分析信号的特征，自适应地选择相应的频带，使之与信号频谱相匹配，从而提高了时频分辨率，能有效地提取信号的特征信息。
小波包函数 被定义为 ：
式中 n=0，1 ，2 …为振荡参数 ， J∈Z和 k∈Z 分别是尺度参数和平移参数
第10页，此课件共23页哦
齿轮箱故障诊断试验
三：小波包特征提取
对采集到的齿轮箱振动信号进行 3层小波包分解，采用Shannon熵准，可得到从低频到高频的8个等宽频率的子频带，本文采样频率为2560kHz。
第11页，此课件共23页哦
齿轮箱故障诊断试验
三：小波包特征提取
求各子频带特征信号的能量值
用 (S1,S2,… ,S8)表示各子频带特征信号，则原始信号Sn=S1+S2+… +S8,设信号 Sn(n=1,2,…,8) 所对应的能量值为En,其计算公式如下：
式中J=3 ，n=1,2, … ,2j， k=1,2,…,N， N为信号长度N=1024
设所提取的 8个能量值为
将 T作为小 波神经网络的一组特征参数
第12页，此课件共23页哦
齿轮箱故障诊断试验
三：小波包特征提取
小波包变换后的重构信号
第13页，此课件共23页哦
齿轮箱故障诊断试验
四：小波特征提取
优点
小波分析是一种优于传统的傅里叶变化的新的信号处理方法 ，被广泛应用于语音与图像处理、 数据压缩与编码、故障诊断等领域。小波能有效地提取信号低频部分的时频特征信息，具有很高的频率分辨率。
小波族函数可被定义为 ：
第14页，此课件共23页哦
齿轮箱故障诊断试验
四：小波特征提取
对采集到的齿轮箱振动信号利用小波函数进行 3层小波分解 ，经重构后得到 1个逼近信号( A3 ) 和3个细节信号( D1 ,D2, D3) 。
公式为： 三层小波分解树结构：
第15页，此课件共23页哦
齿轮箱故障诊断试验
四：小波特征提取
求各重构信号的能量值
原始信号S=A1+A2+A3,计算各个重构信号的能量值,其计算公式如下：
式中n=1,2,3,4， i=1,2,…,N， N为信号长度N=1024。
设所提取的 4个能量值为 将 P作为小波神经网络的一组特征参数
第16页，此课件共23页哦
齿轮箱故障诊断试验
四：小波特征提取
小波变换后的逼近信号和细节信号
第17页，此课件共23页哦
齿轮箱故障诊断试验
五：小波神经网络
小波神经网络模型
第18页，此课件共23页哦
齿轮箱故障诊断试验
小波神经网络测试流程
网络参数初始化
计算隐含层及输出层的输出
计算误差E和梯度向量p
p>n
结束
E<e