購買設(shè)計(jì)請充值后下載,,資源目錄下的文件所見即所得,都可以點(diǎn)開預(yù)覽,,資料完整,充值下載可得到資源目錄里的所有文件。。?!咀ⅰ浚篸wg后綴為CAD圖紙,doc,docx為WORD文檔,原稿無水印,可編輯。。。帶三維備注的都有三維源文件,由于部分三維子文件較多,店主做了壓縮打包,都可以保證打開的,三維預(yù)覽圖都是店主用電腦打開后截圖的,具體請見文件預(yù)覽,有不明白之處,可咨詢QQ:1304139763
湖南文理學(xué)院芙蓉學(xué)院
本科生畢業(yè)論文任務(wù)書
論文(設(shè)計(jì))題目
磨床箱體工藝及夾具設(shè)計(jì)
學(xué)生姓名
馬林
專業(yè)班級
機(jī)自1101班
學(xué) 號
11130121
指導(dǎo)教師
楊繼榮
教研室(或外聘單位)
機(jī)械制造
起止時間
2015 年 3 月 2 日 至 2015 年 5 月 22 日
畢業(yè)論文(設(shè)計(jì)) 任務(wù)、目的與基本要求:
一、畢業(yè)設(shè)計(jì)任務(wù)
此待加工零件是一個較為復(fù)雜的機(jī)械零件,其工藝規(guī)程設(shè)計(jì)及工藝裝備設(shè)計(jì)需要學(xué)生熟悉零件基本的生產(chǎn)工藝流程,繪制零件圖,并根據(jù)批量生產(chǎn)要求對其進(jìn)行結(jié)構(gòu)和工藝分析后擬訂詳細(xì)的工藝規(guī)程,確定夾具結(jié)構(gòu)和主要零部件。并繪制夾具裝配總圖和零件圖;
二、目的
通過完成畢業(yè)設(shè)計(jì),全面復(fù)習(xí)、鞏固機(jī)械制造工藝學(xué)、機(jī)械制造裝備設(shè)計(jì)以及相關(guān)課程的基本知識,并運(yùn)用所學(xué)知識解決實(shí)際設(shè)計(jì)問題,提高分析問題、解決問題的能力。掌握各種手冊、文獻(xiàn)資料在工藝工裝設(shè)計(jì)的應(yīng)用方法。通過文獻(xiàn)檢索、英文翻譯,提高學(xué)生運(yùn)用計(jì)算機(jī)和英語的能力,提高學(xué)生的綜合素質(zhì)。
三、具體要求:
1.了解零件的主要功用并根據(jù)簡圖畫出詳細(xì)零件圖;
2.按照年生產(chǎn)量為5000件的要求對其進(jìn)行結(jié)構(gòu)分析后擬定其加工路線及詳細(xì)工藝規(guī)程,確定各工序尺寸、工序加工余量、加工工時等;
3.確定1~2道典型工序的切削用量、時間定額,校核功率;
4. 對加工進(jìn)行工藝分析,設(shè)計(jì)夾具一套,繪制夾具裝配總圖和夾具主要零件圖,機(jī)械加工工序卡,機(jī)械加工工藝過程綜合卡一套。
5.撰寫設(shè)計(jì)說明書壹份,要求字符數(shù)不少于12000字,中文摘要不少于200字,外文摘要與中文摘要對應(yīng)。文本的質(zhì)量符合畢業(yè)設(shè)計(jì)說明書規(guī)范。。
6.圖紙工作量應(yīng)不少于2.5個A0幅面,零件圖為CAD出圖。
7.翻譯指導(dǎo)教師指定的本專業(yè)外文資料,英文在3000~5000字以上,要求譯文通順、達(dá)意。
8. 設(shè)計(jì)文檔應(yīng)該規(guī)范正確,全部符合“機(jī)械工程學(xué)院三本畢業(yè)設(shè)計(jì)文件匯集2015”要求;
主要參考文獻(xiàn)與資料:
主要參考文獻(xiàn)與資料:
[1] 倪小丹,楊繼榮 .機(jī)械制造技術(shù)基礎(chǔ)[M]. 北京 :清華大學(xué)出版社, 2007
[2] 楊叔子.機(jī)械加工工藝師手冊[M]. 北京 :機(jī)械工業(yè)出版社 , 2002
[3] 王先逵 .機(jī)械制造工藝學(xué)[M]. 北京 :機(jī)械工業(yè)出版社, 2001
[4] 李益民.機(jī)械制造工藝設(shè)計(jì)簡明手冊[M].北京: 機(jī)械工業(yè)出版社, 1999
[5] 楊繼榮,肖偉躍,車曉毅.現(xiàn)代制造工藝?yán)碚撆c方法[M] .湖南文理學(xué)院出版(湘常新出準(zhǔn)字(2006)第044號
[6] 濮良貴,紀(jì)名剛.機(jī)械設(shè)計(jì)[M].北京:高等教育出版社, 2001
[7] 楊叔子.機(jī)械加工工藝師手冊[M].北京:機(jī)械工業(yè)出版社, 2001
[8] 賈沛泰,高長慶.國內(nèi)外常用金屬材料手冊[M].南京:江蘇科學(xué)技術(shù)出版社,1999
[9] 李慶壽.機(jī)床夾具設(shè)計(jì)[M]. 北京: 機(jī)械工業(yè)出版社 , 1984
[10] Haffman E G.Jig and Fixture Design.America,VNR CO.,1998.
畢業(yè)論文 (設(shè)計(jì))進(jìn)度安排:
畢業(yè)論文 (設(shè)計(jì))進(jìn)度安排:
① 畢業(yè)設(shè)計(jì)課題調(diào)研階段:(第1~2周):課題調(diào)研及文獻(xiàn)檢索、完成英文翻譯。
② 畢業(yè)設(shè)計(jì)開題報告階段:(第3~4周):完成開題報告。
③ 畢業(yè)設(shè)計(jì)主要工作階段:(第5~12周):
(1)完成系統(tǒng)的總體方案結(jié)構(gòu)設(shè)計(jì)。(第5~6周)
(2)工藝分析及夾具設(shè)計(jì)。(第7~9周)
(3)詳細(xì)設(shè)計(jì)。(第10周)
(4)完成設(shè)計(jì)說明書的撰寫工作。(第11~12周)
④ 畢業(yè)設(shè)計(jì)答辯階段:(第13~15周)
課
題
申
報
與
審
查
指導(dǎo)教師(簽名): 2014年 11 月 日
教研室主任(簽名): 2014年 11 月 日
學(xué)院教學(xué)院長(簽名): 2014年 11 月 日
功能梯度材料上的激光金屬沉積與超聲振動的實(shí)驗(yàn)研究
秦藍(lán)云 汪煒 楊廣
沈陽工業(yè)大學(xué),中國,沈陽,110016,
沈陽航空工業(yè)學(xué)院,中國,沈陽,110134,
qinly@sauedu.cn,wangw1116”sau.edu.cn,yangguang@sau.edu.cn
關(guān)鍵詞:超聲波振動;激光金屬沉積;激光;梯度功能材料;鈦合金
摘要:針對鑄件超聲波振動的影響,焊接和激光熔覆,研究表明,它也可以使用鈦合金的金屬激光沉積(LMD),以保護(hù)諸如裂紋,氣孔和氧化中的缺陷,細(xì)化晶粒,提高凝固組織的均勻性。因此采用超聲振動系統(tǒng)制造功能梯度材料(FGM)的樣品,并分析試樣的顯微結(jié)構(gòu)和力學(xué)性能,實(shí)驗(yàn)結(jié)果表明,超聲振動可以抑制孔隙的形成,細(xì)化晶粒,使TiC硬質(zhì)相對在功能梯度材料零件更均勻,這同樣也是由顯微硬度試驗(yàn)表明。
簡介
激光金屬沉積(LMD)的進(jìn)程已經(jīng)引起廣泛關(guān)注,最近他們形成近凈形零件的低成本能力。然而,諸如裂紋,孔隙,氧化和包層之間的不良粘合這樣的缺陷可能出現(xiàn)在LMD部份,如果工藝參數(shù)控制不當(dāng)。翹曲或裂紋將導(dǎo)致失敗的形成。此外,內(nèi)部缺陷是導(dǎo)致其力學(xué)性能降低和安全性較差甚至失效的主要原因[1-4]。
目前用于改進(jìn)金屬的凝固組織,減少內(nèi)部缺陷的方法包含電流法,電磁攪拌,超聲波等,這些方法都施加在傳統(tǒng)的鑄造領(lǐng)域,后來逐漸發(fā)展到焊接,熔覆和其他熔融金屬凝固領(lǐng)域 [5-9]。作為一種機(jī)械振動,超聲波振動被廣泛應(yīng)用在金屬凝固的場合,其設(shè)備簡單、能耗低。
鑒于在金屬凝固的顯著效應(yīng),超聲波振動在LMD進(jìn)程以改善內(nèi)部質(zhì)量和解決變形的LMD裂縫的部分瓶頸問題,并且還使得功能梯度材料零件的增強(qiáng)相更均勻。
超聲振動的機(jī)理
超聲空化效應(yīng)??栈F(xiàn)象是在液體中常見的物理現(xiàn)象。受渦流,超聲波或其它物理場的液體將暫時在某一位置形成負(fù)壓區(qū)域,導(dǎo)致在液體或固體 - 液體部分?jǐn)嗔眩缓螽a(chǎn)生微小的液泡或氣泡。泡沫將經(jīng)歷主要成長的過程,發(fā)展,然后迅速關(guān)閉,。會有一個很大的壓力出現(xiàn)在孔隙閉合瞬間,這就是所謂的氣穴現(xiàn)象。
通過氣穴孔的閉合瞬間所產(chǎn)生的巨大能量實(shí)現(xiàn)空化效應(yīng),并且在這個過程中,一些孔隙能量轉(zhuǎn)變?yōu)闊?、光輻射和其他輻射的沖擊波使液體局部壓力高達(dá)數(shù)千大氣壓[10-12]。
超聲波的機(jī)械作用。在液態(tài)金屬中超聲波的傳播促進(jìn)液體流動、傳熱和傳質(zhì)以及晶核形成。在一定的頻率和振幅,該金屬熔池的冷卻速度和結(jié)晶核的數(shù)量可以增加。日益增加的對流換熱使溫度場更均勻,溫度梯度減小。其結(jié)果是,它減少了熱應(yīng)力,形成部分的殘余應(yīng)力,并抑制變形和裂紋的傾向。此外,增加的晶核細(xì)化熔覆層的組合物能夠分散于晶體使其結(jié)構(gòu)更充分。
實(shí)驗(yàn)步驟
建立過程。超聲波振動系統(tǒng)是由超聲波發(fā)生器,換能器,變幅桿[13],等,超聲導(dǎo)入基板的振動載荷平臺,然后通過熔池的基板傳送到襯底。超聲振動的示意圖如圖1所示。
圖1激光金屬沉積的超聲波振動示意圖
數(shù)字超聲波采用電源驅(qū)動系統(tǒng),其輸入電壓為220V,最大工作電流為l.5a,輸出頻率約為17至23千赫。超聲振動系統(tǒng)主要包含的激光系統(tǒng),軟件控制系統(tǒng),數(shù)控系統(tǒng),粉末給料系統(tǒng),真空保護(hù)系統(tǒng)和超聲波振動系統(tǒng)。該系統(tǒng)的工藝參數(shù)列于表1。
表1該系統(tǒng)的處理參數(shù)
材料。實(shí)驗(yàn)基材是的Ti6Al4V,其標(biāo)稱化學(xué)組成如表2所示。Ti6Al4V的試樣切成l00mmx55mmxl0mm的碎片,然后用320碳化硅紙研磨 ,再用丙酮、乙醇脫脂后沉積[14]。
表2?Ti6A14V合金成分(wt%)
TC4粉末(純度99.5%),Cr3C2復(fù)合粉末(純度99%)和純鈦粉末(純度99.5%)充分混合,通過球磨在氬氣下進(jìn)行充分混合。粉末顆粒尺寸-100?/ + 325(45和150微米之間的顆粒大?。?。粉末在150°C的真空干燥柜中干燥10小時[14]。
結(jié)果與討論
孔隙的影響。鈦合金激光加工過程中,會有小的氣體的快速凝固導(dǎo)致熔覆層內(nèi)的孔隙不能從熔池及時溢出的缺陷。熔覆層的下一層不溢出,頂層將重熔于熔池,并有機(jī)會消除毛孔。如果不是這樣,缺陷層將被包括在的下一個層,結(jié)果在試樣內(nèi)部造成缺陷。
熔覆層無超聲振動孔隙形態(tài) 超聲波振動的熔覆層孔隙形態(tài)
圖2超聲波振動對熔覆層孔隙的影響(100%?TC4)
如圖2所示,顯然,超聲振動熔覆層的孔隙數(shù)量和尺寸比較小。原因可能是機(jī)械的超聲波振動攪拌可以促進(jìn)熔池中的液體對流,使氣體容易集中并上升,減少孔隙,此外高頻振動和空化作用使孔隙融合成大的氣泡從熔池溢出。
對功能梯度材料試件的影響。四個標(biāo)本分別在相同參數(shù)的超聲振動條件下實(shí)驗(yàn)。然后對標(biāo)本進(jìn)行切割,研磨,拋光和腐蝕。圖3顯示的是標(biāo)本中熔覆層的組織結(jié)構(gòu)。從圖3(a)可以發(fā)現(xiàn)沒有采用振動的試樣組織結(jié)構(gòu)像樹枝狀,其平均長度為ll0μm。相比之下,利用超聲波振動的試樣樹枝狀的尺寸被減小,其平均長度為50μm,如圖3(b)所示。
a-無超聲振動的顯微結(jié)構(gòu) b-超聲振動顯微結(jié)構(gòu)
圖3組織標(biāo)本中的熔覆層(75%?TC4?+?25%(Cr3C2?+?Ti))
圖4顯示了樣本的增強(qiáng)相TiC顆粒的尺寸分布。超聲振動下的TiC晶粒尺寸為l.5lμm,這很明顯小了很多,這表明超聲振動可以細(xì)化晶粒,使增強(qiáng)相分布均勻。
a-無超聲波下的TiC分布, b-超聲波下的TiC分布
圖4標(biāo)本中的TiC顆粒大小的分布(70%?TC4?+?30%(Cr3C2?+?Ti))
顯微硬度試驗(yàn)方法。硬度(HV)的實(shí)驗(yàn)測試是基于GB / t4340.1-2009和mvk-300顯微硬度計(jì)。實(shí)驗(yàn)條件列于表3。
表3顯微硬度試驗(yàn)條件
兩個標(biāo)本用于測試,其測試選擇的點(diǎn),如圖5所示,將沿高度方向測試從基體到熔覆層的頂部,并且每兩個試驗(yàn)點(diǎn)的距離為1mm;10個點(diǎn)在每個高度沿水平方向統(tǒng)一選擇。
圖5顯微硬度測試點(diǎn)示意圖
圖6顯示,每個樣品的增加高度方向是與梯度材料[ 14 ]硬度基本一致的??梢詮脑撚捕确植嫉拿總€輪廓線看見波動得厲害的是未經(jīng)超聲波振動的。結(jié)果表明,在超聲振動試樣中硬度異常點(diǎn)少得多,這表明超聲振動可以使熔覆層成分分布更加均勻。
a-無超聲波振動 b-超聲波振動
圖6試樣的顯微硬度分布
結(jié)論
基于超聲振動改善凝固組織的質(zhì)量的機(jī)制,本文通過比較采用超聲振動系統(tǒng)的LMD鈦合金試樣顯微組織和力學(xué)性能并分析其對功能梯度材料熔覆層的效果,并得出以下結(jié)論。
(1)超聲波振動將有助于抑制氣孔的形成和減少它的大??; ???
(2)通過對中間熔覆層的顯微組織分析,可以發(fā)現(xiàn),超聲波振動破壞枝晶的時間越長晶粒徑越微細(xì)化;此外,在功能梯度材料試樣上,增強(qiáng)相的TiC顆粒尺寸較小,并得到更均勻的分布;
(3)硬度試驗(yàn)表明,梯度材料試件具有良好的硬度一致性和較高的機(jī)械性能,這表明超聲振動可以細(xì)化熔覆層和均勻微觀結(jié)構(gòu),并提高其力學(xué)性能。
參考文獻(xiàn)
[ 1 ]楊廣,汪煒,秦藍(lán)云:沈陽工業(yè)大學(xué)學(xué)報,v01.33(2011)p.259-264
[ 2 ]王華明,張的反面,王向明:中國激光,v01.36(2009)p.3204-3209
[ 3 ]秦藍(lán)云,王瑋,楊光:應(yīng)用力學(xué)和材料,(2010)p.316-320第44-47
[ 4 ]陳靜,楊海鷗,李民:應(yīng)用激光,v01.22(2002)p.300-304
[ 5 ]翟啟杰,齊飛鵬,劉慶梅:2005中國鑄造一周程序,p.353-357
[ 6 ]陳志昆,劉敏,曾德昌:激光雜志,v01.30(2009)P.?55-56
[ 7 ]秦雷:消除焊接殘余應(yīng)力和超聲沖擊的裝置設(shè)計(jì)研究。東北大學(xué)學(xué)位論文(2008)
[ 8 ]關(guān)建軍,宋天民,張國福 :遼寧石油化工學(xué)院,遼寧大學(xué)學(xué)報v01.21(2001)P.?51-54
[ 9 ]程元,對焊接應(yīng)力,變形和振動消除的研究。大連理工大學(xué)學(xué)位論文(1999)
[ 10 ]陳長垣,鄧琦林,宋監(jiān)利:航空航天公司的~南京大學(xué)學(xué)報,v01.37(2005)P.?44-48.
[ 11 ]?李軍文,陶業(yè)爭,傅瑩:中國鑄造,v01.56(2007)P.?152-154
[ 12 ]陳長垣,鄧琦林,宋監(jiān)利:電磁加工模具,v01.3(2005)P.?37-40
[ 13 ]王愛玲,朱西京,吳秀玲,超聲波震動加工技術(shù)。北京:國防工業(yè)出版社(2007)
[ 14 ]楊光:鈦基梯度功能材料,利用激光金屬沉積技術(shù)制備。中國科學(xué)院沈陽自動化研究所博士論文(2010)
機(jī)械原理
基于局部平均分解的階次跟蹤分析及其在齒輪故障診斷中的應(yīng)用
Junsheng Cheng, Kang Zhang, Yu Yang
關(guān)鍵詞:
階次跟蹤分析 局部平均分解 解調(diào) 齒輪 故障診斷
摘要:
局部平均分解(LMD)是一種新的自適應(yīng)時頻分析方法,這種方法特別適合處理多分量的調(diào)幅信號和調(diào)頻(AM-FM)信號。通過使用LMD方法,可以將任何復(fù)雜的信號分解為一系列的產(chǎn)品功能PF分量(PFs),每個PF分量都是純調(diào)頻信號和包絡(luò)信號的乘積,且通過純調(diào)頻信號可以獲得具有物理意義的瞬時頻率。從理論上講,每個PF分量都是一個單分量的AM-FM信號。 因此,可以將LMD的過程看作是信號解調(diào)的過程。齒輪發(fā)生故障時,振動信號呈現(xiàn)明顯的AM-FM特征。因此,針對齒輪升降速過程中故障振動信號為多分量的調(diào)制信號,以及故障特征頻率隨轉(zhuǎn)速變化的特點(diǎn),提出了一種基于LMD和階次跟蹤分析的齒輪故障診斷方法。齒輪箱的故障診斷實(shí)驗(yàn)表明本文提出的方法能有效地提出齒輪故障診斷特征。
1 引言
齒輪傳動是機(jī)械設(shè)備中常見的傳動方式, 故對齒輪進(jìn)行故障診斷具有重要意義。
齒輪故障診斷的關(guān)鍵一步是故障特征的提取。一方面,傳統(tǒng)的齒輪故障診斷方法的重點(diǎn)在一個固定的旋轉(zhuǎn)速度檢測振動信號的頻譜分析。 而齒輪作為一種旋轉(zhuǎn)部件, 其升降速過程的振動信號往往包含了豐富的狀態(tài)信息, 一些在平穩(wěn)運(yùn)行時不易反映的故障特征在升降速過程中可能會充分地表現(xiàn)出來[1],此外,來自齒輪振動信號的暫態(tài)過程中,速度依賴性總是顯示非平穩(wěn)特征。如果頻譜分析直接應(yīng)用于非平穩(wěn)振動信號,混頻將不可避免的發(fā)生,這將對故障特征提取帶來不良影響。在以往的研究中,為了跟蹤技術(shù),通常利用振動信號中添加旋轉(zhuǎn)機(jī)械軸轉(zhuǎn)速信息,已經(jīng)成為一個在旋轉(zhuǎn)機(jī)械故障診斷[2,3]的重要途徑。從本質(zhì)上講,階次跟蹤分析技術(shù)可以在時域非平穩(wěn)信號轉(zhuǎn)換成角域靜止,可以突出的旋轉(zhuǎn)速度相關(guān)的振動信息和抑制無關(guān)的信息。因此,階次跟蹤分析是在助跑過程中齒輪的故障特征提取和運(yùn)行了一個可取的方法
另一方面,當(dāng)發(fā)生故障的齒輪振動信號,拿起在運(yùn)行和運(yùn)行過程中始終存在的振幅特性調(diào)制和頻率調(diào)制(AM–FM)。為了提取齒輪故障振動信號的調(diào)制特征,解調(diào)分析是最流行的方法之一[ 4,5 ]。然而,傳統(tǒng)的解調(diào)方法,如希爾伯特變換解調(diào)和傳統(tǒng)包絡(luò)分析有其自身的局限性[ 6 ]。這些缺點(diǎn)包括兩個方面:(1)在實(shí)踐中大多數(shù)的齒輪故障振動信號都是多組分是–調(diào)頻信號。這些信號,在傳統(tǒng)的解調(diào)方法,他們通常是通過帶通濾波器分解成單組分是–調(diào)頻信號的解調(diào),然后提取的頻率和振幅信息。然而,這兩個數(shù)載波頻率的載波頻率成分和幅值都難以在實(shí)踐中被確定,所以帶通濾波器的中心頻率的選擇具有主體性,將解調(diào)誤差和使它提取機(jī)械故障振動信號的特征是無效的;(2)由于希爾伯特不可避免的窗口效應(yīng)變換,當(dāng)使用希爾伯特變換提取調(diào)制信息,目前的非瞬時響應(yīng)特性,即,在調(diào)制信號被解調(diào)以及打破中間部分的兩端會再次產(chǎn)生調(diào)制,使振幅指數(shù)衰減的方式得到的波動,然后解調(diào)誤差將增加[ 7 ]。為了克服第一個缺點(diǎn),一個合適的分解方法應(yīng)尋找獨(dú)立的多分量信號為多個單組分是–調(diào)頻信號的包絡(luò)分析之前。由于EMD(經(jīng)驗(yàn)?zāi)B(tài)分解)自適應(yīng)復(fù)雜多分量信號分解為一系列固有模態(tài)函數(shù)(IMF)的瞬時頻率的物理意義[ 8,9 ],基于EMD的階比跟蹤方法已廣泛應(yīng)用于齒輪故障診斷[ 13 ]。然而,仍然存在許多不足之處[ 14 ],如在EMD的端點(diǎn)效應(yīng)和模態(tài)混 [ 15 ],仍在進(jìn)行。此外,對原信號通過EMD分解,產(chǎn)生了由希爾伯特變換(上面提到的)缺點(diǎn)是不可避免的在IMF進(jìn)行希爾伯特變換的包絡(luò)分析。此外,有時無法解釋的負(fù)瞬態(tài)頻率時會出現(xiàn)瞬時頻率計(jì)算每個IMF進(jìn)行希爾伯特變換[ 16 ]
局部均值分解(LMD)是一種新型的解調(diào)分析方法,特別適合于處理多組分的幅度調(diào)制和頻率調(diào)制(AM–調(diào)頻)信號[ 16 ]。用LMD,任何復(fù)雜的信號可以分解成許多產(chǎn)品功能(PFS),每一種產(chǎn)品的包絡(luò)線信號(獲得直接由分解)的PF瞬時振幅可以得到一個純粹的頻率調(diào)制信號從一個良好定義的瞬時頻率可以計(jì)算。在本質(zhì)上,每個PF正是一種單組分我–調(diào)頻信號。因此,LMD的程序可以,事實(shí)上,作為解調(diào)過程。調(diào)制信息可以通過頻譜分析的瞬時振幅(包絡(luò)信號,直接獲得通過分解)每個PF分量進(jìn)行希爾伯特變換,而不是由PF分量。因此,當(dāng)LMD和EMD方法分別應(yīng)用到解調(diào)分析,與EMD,LMD的突出優(yōu)點(diǎn)是避免希爾伯特變換。此外,LMD迭代過程中所采用的手段和當(dāng)?shù)氐姆炔黄交牡胤接肊MD的三次樣條的方法,這可能帶來的包絡(luò)的誤差和影響的精度瞬時頻率和振幅。此外,與EMD端點(diǎn)效應(yīng)相比并不明顯,因?yàn)樵贚MD方法更快的速度和算法的迭代次數(shù)更少[ 17 ]。
基于以上分析,階次跟蹤和解調(diào)技術(shù),LMD最近的發(fā)展,科學(xué)相結(jié)合,并應(yīng)用于齒輪故障診斷過程中各軸速度。首先,訂單跟蹤技術(shù)被用于將從時間域的齒輪振動信號角域。其次,分解角域重采樣信號的PF系列LMD,因此組件和相應(yīng)的瞬時振幅和瞬時頻率可以得到的。最后,進(jìn)行頻譜分析的故障信息含有顯性PF分量的瞬時幅值。從實(shí)驗(yàn)的振動信號,表明該方法能有效地提取故障特征和分類準(zhǔn)確齒輪工作狀態(tài)的分析結(jié)果。
本文的組織如下。第2節(jié)是一個給定的LMD方法理論。在第3節(jié)中的齒輪故障診斷方法中,以技術(shù)和LMD跟蹤相結(jié)合的提出和實(shí)踐應(yīng)用表明,提出的方法。此外,LMD和基于EMD的比較也在第3節(jié)提到了基礎(chǔ)的方法。最后,我們得出了第4部分的結(jié)論。
2 LMD 方法
LMD方法的本質(zhì)是通過迭代從原始信號中分離出純調(diào)頻信號和包絡(luò)信號,然后將純調(diào)頻信號和包絡(luò)信號相乘便可以得到一個瞬時頻率具有物理意義的PF分量,循環(huán)處理直至所有的PF分量分離出來對任意信號x(t),其分解過程如[16]:
( 1) 確定原始信號第i個局部極值及其對應(yīng)的時刻,計(jì)算相鄰兩個局部極值和的平均值
(1)
將所有平均值點(diǎn)mi在其對應(yīng)的時間段[,]內(nèi)伸一線段,然后用滑動平均法進(jìn)行0平滑處理,得到局均值m11(t) 。
( 2) 采用局部極值點(diǎn)計(jì)算局部幅值 :
=| -|/2 (2)
將所有局部幅值點(diǎn)ai在其對應(yīng)的時間段[,]內(nèi)伸成一條線段,然后采用滑動平均法進(jìn)行平滑處理,得到包估計(jì)函數(shù)a11(t) 。
( 3) 將局部均值函數(shù)m11(t)從原始信號x(t)中分離來, 即去掉一個低頻成分,得到
h11(t)=x(t)-m11(t) (3)
( 4)用h11(t)除以包絡(luò)估計(jì)函數(shù)A11( t)以對h11(t)進(jìn)行解調(diào),得到
s11(t)=h11(t)/A11(t) (4)
對s11( t)重復(fù)上述步驟便能得到s11(t)的包絡(luò)估計(jì)函數(shù)A12(t),若A12(t)不等于1,則s11( t)不是一個純調(diào)頻信號需要重復(fù)上述迭代過程n次,直至s1n(t)為一個純調(diào)頻信號,即 s1n(t)的包絡(luò)估計(jì)函數(shù) A1(n+1)(t)=1,所以,有
(5)
(6)
為理論上, 迭代終止的條件
(7)
在實(shí)踐中,一種變體δ會提前確定。如果1?δ≤a1(n + 1)(t)≤1 +δand?1≤s1n(t)≤1,然后迭代過程將停止
( 5) 把迭代過程中產(chǎn)生的所有包絡(luò)估計(jì)函數(shù)相乘便可以得到包絡(luò)信號( 瞬時幅值函數(shù)) :
(8)
( 6) 將包絡(luò)信號A1(t)和純調(diào)頻信號s1n(t)相乘便可以得到原始信號的第一個PF分量:
PF1(t)=a1(t)s1n(t) ( 9)
PF1(t)包含了原始信號中頻率值最高的成分,是一個單分量的調(diào)幅-調(diào)頻信號,PF1(t)的瞬時幅值就是包絡(luò)信號A1(t),PF1(t)的瞬時頻率f1(t)則可由純調(diào)頻信號s1n(t)求出,即:
(10)
( 7)將第一個PF分量PF1(t)從原始信號x(t)中分離出來, 得到一個新的信號u1(t),將u1( t)作為原始數(shù)據(jù)重復(fù)以上步驟,循環(huán)k次,直到 uk為一個單調(diào)函數(shù)為止,即:
(11)
原始信號x(t)能夠被所有的PF分量和uk重構(gòu),即:
(12)
產(chǎn)品功能p的數(shù)量在哪里.此外,相應(yīng)的完整的時頻分布可以通過組裝瞬時幅度和瞬時頻率的PF組件。
3 基于階次跟蹤分析與 L M D 的齒輪故障診斷
3.1 階次跟蹤分析
階次跟蹤分析首先根據(jù)參考軸的轉(zhuǎn)速信息對時域信號進(jìn)行等角度重采樣, 將時域非平穩(wěn)信號轉(zhuǎn)換為角域平穩(wěn)信號, 再對角域平穩(wěn)信號進(jìn)行譜分析得到階次譜。階次跟蹤分析能夠提取信號中與參考軸轉(zhuǎn)速有關(guān)的信息, 同時抑制與轉(zhuǎn)速無關(guān)的信號, 因此非常適合分析旋轉(zhuǎn)機(jī)械在變轉(zhuǎn)速過程下的振動信號。實(shí)現(xiàn)階次跟蹤分析技術(shù)的關(guān)鍵在于, 如何實(shí)現(xiàn)被分析信號相對于參考軸的等角度重采樣, 即階次重采樣。常用的階次重采樣方法有硬件階次跟蹤法[ 6]、計(jì)算階次跟蹤法[ 7]和基于瞬時頻率估計(jì)的階次跟蹤法[ 8]等。硬件階次跟蹤法直接通過專用的模擬設(shè)備實(shí)現(xiàn)信號的等角度重采樣,實(shí)時性好,但只適用于軸轉(zhuǎn)速較穩(wěn)定的情況,且成本很高;基于瞬時頻率估計(jì)的階次跟蹤法不需要專門的硬件設(shè)備,無需考慮硬件安裝問題,且成本較低, 但是不適用于分析多分量信號,而實(shí)際工程信號大多為多分量信號, 因此其實(shí)際應(yīng)用意義不大;COT法通過軟件的形式實(shí)現(xiàn)等角度重采樣,分析精度高, 對被分析的信號沒有特別的要求,并且無需特定的硬件, 因此是一種應(yīng)用廣泛的階次跟蹤分析方法。
根據(jù)試驗(yàn)條件采用COT法實(shí)現(xiàn)信號的階次重采樣,其具體步驟如下:
1. 對振動信號和轉(zhuǎn)速信號分兩路同時進(jìn)行等時間間隔(間隔為$t)采樣,得到異步采樣信號;
2. 通過轉(zhuǎn)速信號計(jì)算等角度增量 $H 所對應(yīng)的時間序列ti ;
3. 根據(jù)時間序列ti的值,對振動信號進(jìn)行插值,求出其對應(yīng)的幅值,得到振動信號的同步采樣信號,即角域平穩(wěn)信號;
4.使用LMD分解平衡角重采樣信號,因此sPF系列組件和相應(yīng)的瞬間振幅和瞬時頻率可以獲得
5.光譜分析應(yīng)用于每個PF的瞬時振幅組件,然后我們有訂單譜
3.2 齒輪故障診斷實(shí)例
升降速過程中的齒輪故障振動信號通常是多分量的調(diào)幅-調(diào)頻信號,并且故障特征頻率會隨著轉(zhuǎn)速的變化而改變。針對升降速過程齒輪故障振動信號的這些特點(diǎn), 提出了基于階次跟蹤分析和 LM D 的齒輪故障診斷方法。首先采用階次跟蹤分析將齒輪升降速過程的時域振動信號轉(zhuǎn)換成角域平穩(wěn)信號;然后對角域信號進(jìn)行LMD分解,得到一系列PF分量,以及各個PF分量的瞬時幅值和瞬時頻率; 最后對各個PF分量的瞬時幅值進(jìn)行頻譜分析,便可以有效地提取出齒輪故障特征。為了驗(yàn)證方法的正確性,在旋轉(zhuǎn)機(jī)械試驗(yàn)臺上進(jìn)行了齒輪正常和齒根裂紋兩種工況的試驗(yàn)。該系統(tǒng)中, 電機(jī)輸入軸齒輪齒數(shù)z1=55, 輸出軸齒輪齒數(shù)z2 = 75。在輸入軸齒輪齒根上加工出小槽,以模擬齒根紋故 障, 因此齒輪嚙合階次xm=55,故障特征階次xc=1。圖1和圖2所示分別為由轉(zhuǎn)速傳感器測得的輸入軸瞬時轉(zhuǎn)速n(t),以及由振動傳感器測得的齒輪故障 振動加速度a(t),其中采樣頻率為8192H z,采樣時間為20s從圖1可以看出,輸入軸轉(zhuǎn)速首先從150r/min逐漸加速至1410r/min, 然后再減速到820r/min,而加速度信號的幅值也隨著作出了相應(yīng)的變化。不失一般性,截取圖2中5~ 7s升速過程的信號 a1(t)進(jìn)行分析。
圖 1 輸 入軸的瞬時轉(zhuǎn)速 n ( t )
圖 2 齒輪故障振動加速度信號 a( t )
值在秩序O=55和O=110相應(yīng)的齒輪嚙合秩序和雙。因此這意味著頻率混淆現(xiàn)象已經(jīng)在很大程度上消除。然而,為j1(θ)仍然是一個多個組件MA-MF信號。因此,一邊頻帶反映故障特征頻率模糊。有效地提取故障特征,應(yīng)用LMD j - 1(θ),因此七PF組件和殘?jiān)梢缘玫綀D6所示,這意味著LMD解調(diào)的進(jìn)展。因此,它是可以提取齒輪故障特性,利用頻譜分析的瞬時振幅PF組件包含主要故障信息。通過分析,我們知道失敗的主要信息包括在第一個PF組件。因此,無花果。7和8給瞬時振幅a1(θ)的第一個PF組件PF 1(θ)和相應(yīng)的秩序光譜的a1(θ),很明顯,有不同的光譜峰值在第一順序(O = 1)對應(yīng)齒輪階次跟蹤功能,符合齒輪的實(shí)際工況。
圖9和圖10顯示轉(zhuǎn)速信號的n(t)和振動加速度信號的時域波形s(t)齒輪分別與破碎的牙齒,采樣率為8192 Hz和總樣品時間是20年代。斷齒故障引入輸入軸上的齒輪與激光切割槽的牙根。首先,一段信號s1(t)5 s-7年代為進(jìn)一步分析的進(jìn)步是攔截;其次,假設(shè)樣本點(diǎn)每旋轉(zhuǎn)400;第三,角域信號為j1(θ)圖11所示可以通過執(zhí)行命令重采樣s1(t);第四,LMD適用于j-1(θ);最后,相應(yīng)的秩序頻譜圖12所示的瞬時振幅首先PF組件PF 1(θ)可以了,很明顯,有不同的光譜峰值(比在圖8)在第一順序(O = 1)階次跟蹤分析對應(yīng)于齒輪故障功能,符合齒輪的實(shí)際工況。
同樣的,我們同樣可以做正常的齒輪。轉(zhuǎn)速信號n(t)和振動的時域波形加速度信號s(t)的正常齒輪分別列在無花果。13和14,采樣率為8192 Hz和總樣品時間是20多歲。在上述相同的方法應(yīng)用于原始信號圖14所示,結(jié)果無花果所示。15和16。圖15顯示了角域j - 1(θ)執(zhí)行順序重采樣后的信號部分(5s-7年代在籌備進(jìn)展)的原始信號。圖16顯示了相應(yīng)的瞬時振幅譜第一個PF組件,很難找到齒輪故障特征,也符合實(shí)際的工作狀態(tài)的裝備。
目前,多組分的另一個競爭解調(diào)方法AM-FM信號,即經(jīng)驗(yàn)?zāi)J椒纸?EMD)存在,已經(jīng)被廣泛應(yīng)用于信號解調(diào)分析(7、22)。為了比較兩個EMD方法,取代LMD,我們能做的同樣使用EMD進(jìn)行重采樣信號無花果所示。圖4、11和15
圖 3 齒輪故障振動加速度信號的頻譜
圖 4 階次重采樣后的齒輪故障振動 加速度信號
圖5 j1(θ)的階次譜
分別,因此可以獲得一系列國際貨幣基金組織(IMF)組件。此外,相應(yīng)的瞬時振幅和國際貨幣基金組織每個組件的瞬時頻率可以通過希爾伯特變換計(jì)算。通過分析,我們知道,IMF主要特征信息包含在第一個組件。因此,只有應(yīng)用于瞬時頻譜分析第一個國際貨幣基金組織(IMF)組件的振幅。無花果。17日至19日給訂單頻譜對應(yīng)三種振動信號的破解斷層、斷齒故障和正常的齒輪,分別,很明顯,訂單跟蹤分析基于EMD也可以提取齒輪故障特性,確定齒輪的工作狀態(tài)。盡管EMD和LMD都可以分解原始信號實(shí)際上,兩種方法之間的差異仍然存在。EMD方法比較,如第一節(jié)中所述,LMD有更多迭代次數(shù)少等優(yōu)點(diǎn),不明顯的效果和更少的瞬時頻率的虛假成分,可以使用更多的應(yīng)用在實(shí)踐中。
圖 6 角域信號j1( θ )的LMD分解結(jié)果
圖 7 PF1(θ)的瞬時幅值A(chǔ)1(θ)
圖 8 第1個PF分量的幅值譜
圖 9 輸入軸的瞬時轉(zhuǎn)速 n(t)
圖 1 0 正常齒輪的振動加速度信號 a(t)
圖11 階次重采樣后的正常齒輪振動加速度信號j1(θ)
圖 12 第一個PF分量的幅值譜
圖13 輸入軸轉(zhuǎn)速r(t)正常齒輪前和過程中
圖圖14 齒輪的振動加速度信號(t)在正常狀態(tài)
圖15 相應(yīng)的振動加速度信號為j1(θ)角域通過應(yīng)用順序重采樣tos(t)圖14所示。
圖17 第一個IMF分量的幅值譜
圖 18 第一個IMF分量的幅值譜
3 結(jié)論
在齒輪故障診斷技術(shù)、階次跟蹤是一個著名的技術(shù),可用于故障檢測的旋轉(zhuǎn)機(jī)器采用振動信號。針對齒輪故障振動信號的調(diào)制特點(diǎn)在助跑和破敗的和缺點(diǎn)在齒輪經(jīng)常可以發(fā)相關(guān)軸轉(zhuǎn)速在瞬態(tài)過程中,階次跟蹤和技術(shù)LMD相結(jié)合用于齒輪故障診斷。從理論分析和實(shí)驗(yàn)結(jié)果以下幾點(diǎn)得出結(jié)論:
( 1) 在分析齒輪變轉(zhuǎn)速狀態(tài)下的振動信號時,轉(zhuǎn)速波動會引起頻譜圖出現(xiàn)頻率混疊, 而階次跟蹤分析通過對信號進(jìn)行階次重采樣能夠在很大程度上消除頻率混疊, 使頻譜圖的譜線清晰可讀。
( 2) 齒輪故障時的振動信號為一多分量的調(diào)幅- 調(diào)頻信號, 采用LMD方法能將其分解為若干個PF分量之和,同得到各個PF分量的瞬時幅值和瞬時頻率, 實(shí)現(xiàn)了原信號的解調(diào)。對含有齒輪故障特征的PF分量的瞬時幅值進(jìn)行頻譜分析, 能夠準(zhǔn)確地提取出齒輪故障特征信息。
圖19 階次的第一個國際貨幣基金組織(IMF)組件的正常使用EMD齒輪
( 3) 對齒輪正常和齒根裂紋兩種工況的振動信號進(jìn)行了分析,分析結(jié)果表明, 本文方法能夠準(zhǔn)確地反映出齒輪的實(shí)際工況。
References
[1] S.K. Lee, P.R. White, Higher-order time–frequency analysis and its application to fault detection in rotating machinery, Mechanical Systems and Signal Processing 11 (1997) 637–650.
[2] Mingsian Bai, Jiamin Huang, Minghong Hong, Fucheng Su, Fault diagnosis of rotating machinery using an intelligent order tracking system, Journal of Sound and Vibration 280 (2005) 699–718.
[3] JianDa Wu, YuHsuan Wang, PengHsin Chiang, Mingsian R. Bai, A study of fault diagnosis in a scooter using adaptive order tracking technique and neural network, Expert Systems with Applications 36 (1) (2009) 49–56.
[4] J. Ma, C.J. Li, Gear defect detection through model-based wideband demodulation of vibrations, Mechanical System and Signal Process 10 (5) (1996) 653–665.
[5] R.B. Randall, J. Antoni, S. chobsaard, The relationship between spectral correlation and envelope analysis in the diagnostics of bearing faults and other cyclostationary machine signals, Mechanical Systems and Signal Processing 15 (5) (2001) 945–962.
[6] He Lingsong, Li Weihua, Morlet wavelet and its application in enveloping, Journal of Vibration Engineering. 15 (1) (2002) 119–122.
[7] Cheng Junsheng, Yu Dejie, Yang Yu, The application of energy operator demodulation approach based on EMD in machinery fault diagnosis, Mechanical Systems and Signal Processing 21 (2) (2007) 668–677.
[8] N.E. Huang, Z. Shen, S.R. Long, The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis, Proceedings of the Royal Society of London Series 454 (1998) 903–995.
[9] N.E. Huang, Z. Shen, S.R. Long, A new view of nonlinear water waves: the Hilbert spectrum, Annual Review of Fluid Mechanics 31 (1999) 417–457.
[10] B.L. Eggers, P.S. Heyns, C.J. Stander, Using computed order tracking to detect gear condition aboard a dragline, Journal of the Southern AfricanInstitute of Mining and Metallurgy 107 (2007) 1–8.
[11] Q. Gao, C. Duan, H. Fan, Q. Meng, Rotating machine fault diagnosis using empirical mode decomposition, Mechanical Systems and Signal Processing 22 (2008) 1072–1081.
[12] F.J. Wu, L.S. Qu, Diagnosis of subharmonic faults of large rotating machinery based on EMD, Mechanical Systems and Signal Processing 23 (2009) 467–475.
[13] K.S. Wang, P.S. Heyns, Application of computed order tracking, Vold–Kalman filtering and EMD in rotating machine vibration, Mechanical Systems and Signal Processing 25 (2011) 416–430.
[14] Junsheng Cheng, Dejie Yu, Yu Yang, Application of support vector regression machines to the processing of end effects of Hilbert–Huang transform, Mechanical Systems and Signal Processing 21 (3) (2007) 1197–1211.
[15] Marcus Datig, Torsten Schlurmann, Performance and limitations of the Hilbert–Huang transformation (HHT) with an application to irregular water waves, Ocean Engineering 31 (14) (2004) 1783–1834.
[16] Jonathan S. Smith, The local mean decomposition and its application to EEG perception data, Journal of the Royal Society, Interface 2 (5) (2005) 443–454.
[17] Junsheng Cheng, Yi Yang, Yu Yang A rotating machinery fault diagnosis method based on local mean decomposition, Digital Signal Processin 22 (2) (2012) 356–366.
[18] K.M. Bossley, R.J. Mckendrick, Hybrid computed order tracking, Mechanical Systems and Signal Processing 13 (4) (1999) 627–641.
[19] JianDa Wu, Mingsian R. Bai, Fu Cheng Su, Chin Wei Huang, An expert system for the diagnosis of faults in rotating machinery using adaptive order tracking algorithm, Expert Systems with Applications 36 (3) (2009) 5424–5431.
[20] Guo Yu, Qin Shuren, Tang Baoping, Ji Yuebo, Order tracking of rotating machinery based on instantaneous frequencies estimation, Chinese Journalof Mechanical Engineering. 39 (3) (2003) 32–36.
[21] Yu Dejie, Yang Yu, Cheng Junsheng, Application of time–frequency entropy method based on Hilbert–Huang transform to gear fault diagnosis, Measurement 40 (2007) 823–830.
[22] R.T. Rato, M.D. Ortigueira, A.G. Batista, On the HHT, its problems, and some solutions, Mechanical Systems and Signal Processing 22 (6) (2008) 1374–1394.