齿轮箱作为机械设备的关键部件,故障发生率比较高,针对其运行信号大多为非平稳振动信号,设计以DSP-TMS320F28335(简称F28335)为核心的嵌入式齿轮箱故障诊断系统,利用F28335丰富的外设模块搭建了系统的硬件平台结构,通过MATLAB中的Embedded Coder,Simulink/Stateflow和DSP System Toolbox搭建数据采集、数据预处理和通信模块模型;并在Simulink中搭建神经网络模型,使用神经网络对故障进行诊断识别。将MATLAB与CCS连接,使MATLAB自动生成代码加载给CCS进行调试。该系统具有数据采集、数据存储、通信和故障诊断功能。
局域均值分解(Local Mean Decomposition,LMD)是近年来出现的一种新的时频分析方法,在机械设备故障诊断领域中的应用日益广泛。针对齿轮箱振动故障信号的非平稳性和非线性,提出了一种基于局域均值分解和径向基函数神经网络(Radial Basis Function Neural Network,RBF)相结合的齿轮箱故障诊断方法。该方法利用小波包对原始信号进行消噪;利用LMD对处理后信号进行分解,得到一系列PF分量(Product Function,PF);选取包含主要故障信息的PF分量并从中提取偏度系数等特征参数对RBF神经网络进行训练,并对齿轮箱故障进行识别和分类。通过实例验证了该方法的有效性。
