希爾伯特黃變換(HHT)於變轉速之齒輪故障診斷之應用

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：24

、訪客IP：3.144.252.140

姓名

陳仁傑(Jen-chieh Chen) 查詢紙本館藏

畢業系所

機械工程學系

論文名稱

希爾伯特黃變換(HHT)於變轉速之齒輪故障診斷之應用
(Application of Hilbert-Huang Transform to Gear Fault Diagnosis under Variable Speed)

相關論文

★ 應用於車身號碼打刻機之號碼辨識	★ 複合式掌紋識別系統
★ 圓形偵測在OLED Panel 檢測上的應用	★ MLCC薄膜厚度即時線上影像檢測技術之研發
★ 全自動微鑽針影像檢測系統之研究	★ 應用類神經網路預測COG製程對於中小尺寸TFT-LCD產生之應力狀態
★ 應用機器視覺系統檢測高滲透壓刀輪切割 TFT-LCD 玻璃後斷面之研究	★ 低成本輕量化機械手臂之研究
★ 應用在同軸電纜加工之雷射光斑導引機構設計與分析	★ 表面電漿波共振-非旋轉方式的新機構設計理論
★ 網路協同式機械設計系統研發	★ 軟膠囊自動辨識系統
★ 心電訊號之擷取與分析	★ 盲人圖樣感知輔助裝置之研發設計
★ 非旋轉式表面電漿共振儀之改良與實現	★ 可攜式無線心電訊號擷取器之設計

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

本論文主要目的是研究旋轉機械齒輪系統在變轉速的情況下，齒輪發生磨損、斷齒、不平衡等故障時，使用希爾伯特-黃轉換方法分析其非線性、非穩態訊號，以提取其故障特徵。首先將訊號透過集成經驗模態分解法分解，並進行後處理過程，得到數個的固有模態函數，使用正常化希爾伯特變換方法、一般化跨零點方法、Direct Quadrature方法，三種不同的方法計算每一個固有模態函數的瞬時頻率，將瞬時頻率計算結果利用馬達轉速進行無因次單位頻率正規化，使固有模態函數去除轉速的因子後，選取具有意義的固有模態函數，將其得到的無因次單位瞬時頻率和瞬時振幅作時間-頻率-能量分布圖，並對時間積分作頻率-能量圖，即為邊際頻譜圖，從四種實驗類型之頻譜圖中有效的找出對應之故障特徵，以辨別出四種故障類型。

摘要(英)

The main purpose of this paper is to study the fault features of gear system, such as gear wearing, teeth broken, gear unbalance, under variable rotation speed. The Hilbert-Huang Transform (HHT) method is utilized to analyze the nonlinear and non-stationary vibration signals. The signals are decomposed into a number of Intrinsic Mode Function (IMF) through the Ensemble Empirical Mode Decomposition (EEMD) and the Post-Processing of EEMD. The three different methods of calculating the instantaneous frequencies, Normalized Hilbert Transform (NHT) method, Generalized Zero-Crossing (GZC) method, and Direct Quadrature (DQ) method, are employed to determine the instantaneous frequencies of IMFs. The dimensionless frequency-time-energy distributions of IMFs is then obtained through dimensionless frequency normalization, so that the factor of shaft rotation speed can be extracted. The characteristic dimensionless frequencies of different fault types can be identified in the marginal spectrum of the information-contained IMFs.

關鍵字(中)

★ 故障診斷
★ 齒輪
★ 訊號處理
★ 希爾伯特黃轉換

關鍵字(英)

★ fault diagnosis
★ Hilbert Huang transform
★ signal processing
★ gear

論文目次

中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
圖目錄 vii
表目錄 xiii
第一章緒論 1
1-1 研究背景與動機 1
1-2 文獻回顧 3
1-3 研究目的 5
1-4 本文大綱 6
第二章理論 7
2-1 希爾伯特黃轉換(Hilbert-Huang Transform, HHT) 7
2-2 經驗模態分解法(Empirical Mode Decomposition, EMD) 7
2-2-1 固有模態函數(Intrinsic Mode Function, IMF) 8
2-2-2 EMD流程 8
2-3 集成經驗模態分解法(Ensemble EMD, EEMD) 11
2-4 集成經驗模態分解法之後處理過程(Post-Processing of EEMD) 12
2-5 瞬時頻率(Instantaneous Frequency) 12
2-5-1 正常化希爾伯特轉換(Normalized Hilbert Transform, NHT) 12
2-5-2 一般化跨零點(Generalized Zero-Crossing, GZC) 13
2-5-3 Direct Quadrature(DQ) 14
2-6 無因次單位頻率正規化(Dimensionless Frequency Normalization) 14
2-7 希爾伯特時頻譜和邊際希爾伯特頻譜 (Hilbert spectrum, Marginal Hilbert Spectrum) 15
第三章齒輪故障類型 16
3-1 齒輪振動頻率 16
3-1-1 齒輪嚙合時的固有頻率 16
3-1-2 齒輪轉軸的旋轉頻率 16
3-1-3 齒輪的嚙合頻率 17
3-1-4 齒輪嚙合的邊頻帶 17
3-2 齒輪磨損故障 17
3-3 齒輪斷齒故障 18
3-4 齒輪不平衡故障 19
第四章實驗架構及實驗方法 20
4-1 實驗架構說明 20
4-2 實驗設備裝置與規格 22
4-2-1 變頻器及轉速感測器 22
4-2-2 馬達 22
4-2-3 Keyphasor 23
4-2-4 聯軸器 23
4-2-5 深溝滾珠軸承組 24
4-2-6 齒輪組 25
4-2-7 加速規 26
4-2-8 DAQ NI 9401 27
4-2-9 電路板 28
4-2-10 DAQ NI 9234 29
4-3 實驗平台頻率響應 30
4-4 實驗類型 32
4-4-1 正常 32
4-4-2 磨損 32
4-4-3 斷齒 33
4-4-4 不平衡 33
4-5 實驗設置 34
4-6 實驗方法 34
第五章齒輪故障診斷實驗 36
5-1 轉速設計 36
5-2 實驗一 37
5-3 實驗二 67
第六章結論及未來展望 88
6-1 結論 88
6-2 未來展望 89
參考文獻 90

參考文獻

[1] Huang, N. E., Shen, Z., Long, S. R., Wu, M. C., Shih, H. H., Zheng, Q., Yen, N. C., Tung, C. C. and Liu, H. H., 1998, “The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis,” Proceedings of Royal Society London. A, No. 454, pp. 903-995.
[2] Huang, N. E. and Wu, Z., 2004, “A study of the characteristics of white noise using the empirical mode decomposition method,” Proceedings of Royal Society London. A, No. 460, pp. 1597-1611.
[3] Han, L., 2010, “Gear fault detection and diagnosis based on Hilbert-Huang Transform,” IEEE 3rd International Congress on Image and Signal Processing, pp. 3323-3326.
[4] 于德介、程軍聖、楊宇，2006，機械故障診斷的Hilbert-Huang變換方法，科學出版社。
[5] Huang, N. E. and Wu, Z., 2005, “Ensemble empirical mode decomposition: a noise assisted data analysis method,” Center for Ocean-Land-Atmosphere Studies, Technical Report series, Vol. 193, No. 173.
[6] Huang, N. E. and Wu, Z., 2009, “Ensemble empirical mode decomposition: a noise assisted data analysis method,” Advances in Adaptive Data Analysis, Vol. 1, No. 1, pp. 1–41.
[7] 張智傑，2005，“齒輪故障診斷之模糊類神經網路，”中原大學機械工程學系碩士論文。
[8] Ai, S. and Li, H., 2008, “Gear fault detection based on ensemble empirical mode decomposition and Hilbert-Huang transform,” IEEE Fifth International Conference on Fuzzy Systems and Knowledge Discovery, pp. 173-177.
[9] Li, H., Zheng, H. and Tang, L., 2009, “Gear fault diagnosis based on order tracking and Hilbert-Huang transform,” IEEE Sixth International Conference on Fuzzy Systems and Knowledge Discovery, pp. 468-472.
[10] Zhang, Y., 2006, “Order bispectrum based gearbox fault diagnosis during speed-up process,” IEEE Proceedings of the 6th World Congress on Intelligent Control and Automation, pp. 5526-5529.
[11] Fyfe, K. R. and Munck, E. D. S., 1997, “Analysis of computed order tracking,” Mechanical Systems and Signal Processing, Vol. 11, No. 2, pp. 187-205.
[12] Bossley, K. M. and Mckendrick, R. J., 1999, “Hybrid computed order tracking,” Mechanical Systems and Signal Processing, Vol. 13, No. 4, pp. 627-641.
[13] Huang, N. E., Wu, Z., Long, S. R., Arnold, K. C., Chen, X. and Blank, K., 2009, “On instantaneous frequency,” Advances in Adaptive Data Analysis, Vol. 1, No. 2, pp. 177-229.

指導教授

吳天堯、黃衍任
(Tian-yau Wu、Yean-ren Hwang)

審核日期

2011-6-29

推文