基于混合蛙跳优化神经网络的齿轮箱故障诊断研究

发布时间：2017-12-25 22:03

  本文关键词：基于混合蛙跳优化神经网络的齿轮箱故障诊断研究　出处：《中北大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 齿轮箱 故障诊断 混合蛙跳算法 BP神经网络

【摘要】：我国装备制造业综合实力不断提升,从“中国天眼”到“笔尖皇冠”,从“蛟龙”入海到“神州”升空,这些成就得益于向高端“智造”的转型,“中国制造2025”将引领我国制造业迈入智能化时代。与此同时,机械故障诊断技术的发展也正经历着深刻的变革,向智能化迈进。齿轮箱作为机械设备的重要部件,它的运行状态直接影响设备系统的安全与稳定,机械设备一旦出现故障,轻则带来经济损失,重则造成人员伤亡。因此,进行有效的监测诊断齿轮箱的工作状况,对保障设备安稳运行具有重要意义。混合蛙跳算法(SFLA)是模拟自然生物行为而提出的基于群体的协同搜索优化方法。该算法思想是将蛙群个体排序并分成若干模因组,进行模因进化,通过模因组混合实现全局信息交换。因此,SFLA融合了具有局部搜索功能的模因算法(MA)和模拟鸟群搜寻食物行为的粒子群优化算法(PSO)的优点,具有易实现、精度高、收敛快、覆盖面积大,利于全局择优等特点。本课题以探究齿轮箱故障诊断方法为背景,以JZQ250型传动箱为研究对象,对其正常和几种模拟故障的振动信号进行了采集和信号处理提取了时、频域特征值构建了齿轮箱故障诊断样本集,将混合蛙跳算法与BP神经网络进行结合,创建SFLA-BP网络故障诊断模型,利用混合蛙跳算法高效的全局寻优能力,对BP神经网络的网络结构进行优化。与BP和PSO—BP对比发现,SFLA-BP网络模型,可避免BP神经网络在训练中陷入局部最优,减短训练时间,提高训练准确度,具有较高的收敛速度和准确诊断的能力。通过一系列训练和测试,结果表明:这种方法能够提高诊断的稳定性和准确性。
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TH132.41;TP183

【相似文献】

相关期刊论文 前10条

1 黄晋英;毕世华;潘宏侠;杨喜旺;;独立分量分析在齿轮箱故障诊断中的应用[J];振动、测试与诊断;2008年02期

2 一民;高速齿轮箱故障诊断技术及其诊断系统通过鉴定[J];振动、测试与诊断;1991年04期

3 戴丽杰;;齿轮箱故障诊断方法[J];黑龙江科技信息;2002年08期

4 高国华 ,张永忠;齿轮箱故障诊断技术的新发展[J];机械传动;2003年06期

5 高永生;唐力伟;王建华;金海薇;;基于系统特性的齿轮箱故障诊断[J];煤矿机械;2006年01期

6 魏秀业;潘宏侠;;齿轮箱故障诊断技术现状及展望[J];测试技术学报;2006年04期

7 邢士勇;金海薇;郑海起;唐力伟;;基于关联距离熵的齿轮箱故障诊断[J];机械工程师;2007年07期

8 吴德会;;一种基于支持向量机的齿轮箱故障诊断方法[J];振动、测试与诊断;2008年04期

9 王华;包磊;宋昊明;郭颖;叶伟;;空分457齿轮箱故障诊断[J];机械研究与应用;2008年03期

10 朱有剑;李建;;基于倒频谱特征提取的齿轮箱故障诊断[J];科技广场;2008年08期

相关会议论文 前6条

1 蔡安江;豆卫涛;柴彦昌;孙少军;;基于人工神经网络技术的齿轮箱故障诊断应用研究[A];陕西省机械工程学会第九次代表大会会议论文集[C];2009年

2 高永生;唐力伟;甘霖;杨通强;;基于系统特性的齿轮箱故障诊断[A];2005年中国机械工程学会年会论文集[C];2005年

3 李爱民;;基于灰色聚类决策的齿轮箱故障诊断[A];第19届灰色系统全国会议论文集[C];2010年

4 金大玮;李建桥;贾民平;;循环自相关函数在齿轮箱故障诊断中的应用[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（上册）[C];2008年

5 董海江;赵春华;万诗庆;汪伟;;LWPEE与SVM在风电齿轮箱故障诊断中的应用[A];第十一届全国摩擦学大会论文集[C];2013年

6 雷亚国;林京;何正嘉;;基于多传感器信息融合的行星齿轮箱故障诊断[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

相关博士学位论文 前4条

1 欧璐;图谱理论在齿轮箱故障诊断中的应用研究[D];湖南大学;2016年

2 华伟;基于多小波变换的矿用齿轮箱故障诊断研究[D];中国矿业大学(北京);2017年

3 许昕;基于滤波技术和粒子群优化的齿轮箱故障诊断研究[D];中北大学;2011年

4 焦新涛;小波分析及其在齿轮箱故障诊断中应用研究[D];华南理工大学;2014年

相关硕士学位论文 前10条

1 李猷凤;齿轮箱故障诊断的小波包-ICA分析方法[D];南京理工大学;2015年

2 鄢小安;基于自适应振动信号处理的齿轮箱故障诊断研究[D];华北电力大学;2015年

3 李楠;基于粒子滤波的齿轮箱故障诊断[D];华北电力大学;2015年

4 张韶;基于数据挖掘技术在齿轮箱故障诊断的应用[D];河北工程大学;2015年

5 李国明;基于神经网络的齿轮箱故障诊断研究[D];河北工业大学;2015年

6 卢昆鹏;基于DSP-SVM的风电齿轮箱故障诊断系统[D];中北大学;2016年

7 马凌芝;基于DSP和TQWT稀疏分解的风电齿轮箱故障诊断系统[D];中北大学;2016年

8 郭松涛;基于约束独立分量分析的齿轮箱故障诊断研究[D];河南理工大学;2015年

9 牛志雷;基于形态分量分析的齿轮箱故障诊断研究[D];石家庄铁道大学;2016年

10 曹劲然;大型吊装装备齿轮箱故障诊断与预测方法研究[D];南京理工大学;2016年

，

本文编号：1334600