齿轮箱故障诊断中粒子滤波技术的应用

论文摘要

齿轮箱作为机械设备中的一个重要组成部分,对其进行状态监测和故障诊断有着重要的意义。由于齿轮箱结构复杂,工作环境比较恶劣,当发生故障时,其振动信号通常表现出非平稳特性,并且故障特征信息往往湮没在强大的背景噪声中,因此,在对其进行故障分析前需要进行降噪处理。粒子滤波是一种基于蒙特卡罗模拟和递推贝叶斯估计的滤波方法,它通过模拟方程由量测空间递推到状态空间,采用粒子描述状态空间,用由粒子及其权重组成的离散随机测度近似真实的状态后验分布,并且根据算法递推更新离散随机测度。它可以处理模型方程为非线性、噪声分布为非高斯分布的问题。本文在深入研究粒子滤波理论的基础上,利用粒子滤波技术对齿轮箱振动加速度信号进行降噪处理。建立了齿轮箱振动信号的ARMA模型,进而转化成对应的状态空间模型,把降噪问题转化成在状态空间模型下的滤波问题。在上述理论分析的基础上,本文以齿轮箱为实验对象,通过在选好的测点上安装加速度传感器来采集齿轮箱振动信号,然后对采集到的信号运用粒子滤波技术进行降噪,并通过仿真和实测信号对其进行了验证,最后,针对非线性系统的故障检测问题,提出了一种基于粒子滤波状态估计的非线性系统故障检测算法,并将该算法应用到齿轮箱上,取得了一定的成果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题的研究背景及意义
• 1.1.1 课题来源
• 1.1.2 选题背景及意义
• 1.2 齿轮箱故障诊断技术的发展概况和研究现状
• 1.3 粒子滤波的发展和应用
• 1.4 本文的主要研究内容和章节安排
• 2 齿轮箱故障机理及振动信号特征提取
• 2.1 齿轮的故障机理
• 2.2 滚动轴承的故障机理
• 2.3 齿轮箱故障振动信号的分析方法
• 2.4 本章小结
• 3 粒子滤波基本算法理论
• 3.1 粒子滤波基本理论
• 3.2 动态系统的状态空间模型
• 3.3 贝叶斯估计
• 3.4 蒙特卡罗积分
• 3.5 粒子滤波基本算法
• 3.5.1 序贯重要性采样算法（SIS）
• 3.5.2 重采样方法
• 3.5.3 标准粒子滤波算法流程
• 3.5.4 标准粒子滤波的缺点
• 3.6 实验仿真
• 3.7 几种改进的粒子滤波算法
• 3.7.1 扩展卡尔曼粒子滤波
• 3.7.2 正则化粒子滤波
• 3.7.3 辅助变量粒子滤波
• 3.8 本章小结
• 4 粒子滤波在齿轮箱故障诊断中的应用
• 4.1 试验方案
• 4.1.1 试验台组成
• 4.1.2 试验测试方案
• 4.1.3 信号采集
• 4.2 齿轮箱故障特征分析
• 4.3 齿轮箱振动信号状态空间模型
• 4.4 基于粒子滤波的齿轮箱故障诊断信号的降噪处理
• 4.4.1 仿真分析
• 4.4.2 粒子滤波齿轮箱信号降噪
• 4.5 本章小节
• 5 基于粒子滤波状态估计的齿轮箱故障检测
• 5.1 粒子滤波状态估计故障检测算法
• 5.2 算法验证仿真
• 5.3 齿轮箱故障检测
• 5.4 本章小结
• 6 总结与期望
• 6.1 全文总结
• 6.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文及所取得的研究成果
• 致谢