基于集合经验模式分解与径向基函数神经网络的齿轮故障诊断

发布时间：2017-03-22 05:03

  本文关键词：基于集合经验模式分解与径向基函数神经网络的齿轮故障诊断，，由笔耕文化传播整理发布。

【摘要】：现在机械生产设备正朝着生产自动化、结构大型化、复杂化、运行高效化的方向发展,设备和设备之间联系更加紧密,这样势必会对其可靠性方面有很高要求。机械设备的某一部件发生故障有可能引起整个生产流程的停止,造成的直接或间接经济损失也会成倍的增加,可见高可靠性、高安全性、低故障率的机械设备对现代化工业生产的重要性。齿轮传动具有结构紧凑、传动比恒定、传递扭矩大等特点,是机械设备中常用的也是应用最广泛的传动方式。同时,它也是机械生产设备中易发生故障的部位。因此,为防止机械设备被迫停止运行,延长使用时间,对其进行状态监测和诊断,及早地发现齿轮传动系统中存在的故障对于安全生产和提高经济效益都具有十分重要的意义。本文提出将集合经验模式分解与RBF神经网络相结合的齿轮故障诊断方法。分析了齿轮振动的机理与特征,阐述了基于齿轮振动信号的时域、频域故障分析方法,基于小波包的故障特征提取方法和集合经验模式分解的故障特征提取方法,介绍了人工神经网络在故障诊断领域的应用。研究实验在故障模拟试验台进行。通过采集的齿轮振动信号,对文章提出的基于集合经验模式分解与RBF神经网络相结合的齿轮故障诊断方法进行验证。实验结果表明该方法效果良好,且具有广泛的应用前景。
【关键词】：齿轮 故障诊断 经验模式分解 集合经验模式分解 径向基神经网络
【学位授予单位】：河北工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH132.41;TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 齿轮传动故障诊断的发展现状与趋势11-14
• 1.2.1 齿轮传动系统故障诊断的发展历程11
• 1.2.2 齿轮传动系统故障诊断的研究现状11-14
• 1.2.3 发展趋势14
• 1.3 本文研究的主要内容14-15
• 1.4 本章小结15-16
• 第2章 齿轮传动故障及其振动机理研究16-25
• 2.1 齿轮故障分类及其形成原因16-17
• 2.2 齿轮振动的产生机理分析17-22
• 2.2.1 齿轮的基本振动分析17-18
• 2.2.2 齿轮振动信号的调制18-22
• 2.3 齿轮振动的特点22-24
• 2.4 本章小结24-25
• 第3章 齿轮传动故障诊断方法25-42
• 3.1 时域故障诊断方法25
• 3.2 频域故障诊断方法25-27
• 3.3 小波分析方法27-30
• 3.3.1 连续小波变换27-28
• 3.3.2 小波变换离散化28-29
• 3.3.3 基于小波变换的信号消噪应用29-30
• 3.4 小波包分析方法30-34
• 3.4.1 小波包定义30-32
• 3.4.2 小波包分解与重构32
• 3.4.3 小波包分析实例仿真32-34
• 3.5 集合经验模式分解的基本原理34-41
• 3.5.1 集合经验模式分解算法35-36
• 3.5.2 Hilbert解调原理36
• 3.5.3 EEMD分解方法的信号仿真36-38
• 3.5.4 基于EEMD的齿轮故障诊断38-41
• 3.6 本章小结41-42
• 第4章 人工神经网络与模式识别42-49
• 4.1 人工神经网络原理42-44
• 4.1.1 神经元42-43
• 4.1.2 神经网络的连接类型43-44
• 4.2 人工神经网络的学习方式44-45
• 4.3 人工神经网络的特点45-46
• 4.4 径向基神经网络基本原理46-47
• 4.5 人工神经网络与齿轮故障模式识别47-48
• 4.6 本章小结48-49
• 第5章 齿轮传动故障信号采集与特征提取49-65
• 5.1 齿轮时域振动信号的采集49-52
• 5.1.1 齿轮故障模拟实验平台介绍49-50
• 5.1.2 信号采集50-52
• 5.2 振动信号的时域特征提取方法52-53
• 5.3 振动信号的频域特征提取方法53-54
• 5.4 基于小波包分解的特征量提取54-59
• 5.5 基于EEMD方法的特征量提取59-64
• 5.6 本章小结64-65
• 第6章 基于RBF神经网络的齿轮故障诊断65-71
• 6.1 RBF神经网络的建模步骤65-66
• 6.2 小波包与RBF神经网络相结合的齿轮故障诊断66-68
• 6.3 EEMD与RBF神经网络相结合的齿轮故障诊断68-70
• 6.4 本章小结70-71
• 第7章 总结与展望71-73
• 7.1 总结71
• 7.2 展望71-73
• 致谢73-74
• 参考文献74-77
• 作者简介77
• 攻读硕士学位期间发表的论文77-78

【相似文献】

中国期刊全文数据库 前10条

1 熊军;李凤英;沈玉娣;;齿轮故障诊断技术应用综述[J];机床与液压;2005年12期

2 周湛学;齿轮故障诊断的新方法[J];价值工程;1998年01期

3 赵章焰;齿轮故障诊断模糊判据的研究[J];振动与冲击;2002年02期

4 李延斌,郑 鹏,张文祥,陈长征;齿轮故障诊断技术现状与展望[J];机械设计与制造;2002年02期

5 陈新国;程耕国;;基于小波分析的齿轮故障诊断方法的研究[J];机械传动;2005年06期

6 骆志高;仇学青;田海泉;;齿轮故障诊断研究的国内现状与发展方向[J];矿山机械;2006年01期

7 苏文华;;提升机的减速机齿轮故障诊断[J];中国设备工程;2006年06期

8 王凤利;马孝江;;基于局域波时频分析的齿轮故障诊断[J];农业机械学报;2006年12期

9 胡小江;;灰色系统理论在齿轮故障诊断中的应用[J];通用机械;2007年09期

10 杨德斌;杨聚星;阳建宏;章立军;;基于声信号分析的齿轮故障诊断方法[J];北京科技大学学报;2008年04期

中国重要会议论文全文数据库 前7条

1 赵章焰;;齿轮故障诊断的原理及应用[A];中国的经济建设与21世纪的物料搬运技术——中国机械工程学会物料搬运分会第五届学术年会论文集[C];1996年

2 刘立州;李志农;范涛;;分数阶Fourier变换在齿轮故障诊断中的应用[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

3 张立国;张生;谷建平;康科;;小波包分析在齿轮故障诊断中的应用[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

4 曹志锡;孙莉;;齿轮故障诊断信号分析处理的一种有效方法[A];中国职业安全健康协会2007年学术年会论文集[C];2007年

5 李长吾;吕江涛;张立国;陈白;;基于小波分析的齿轮故障诊断方法的研究[A];第三届全国信息获取与处理学术会议论文集[C];2005年

6 孙芳;柳亦兵;李明;赵凌波;;基于小波包与模糊模式识别的齿轮故障诊断方法[A];第25届中国控制会议论文集（中册）[C];2006年

7 刘锋;马怀祥;葛宝珊;;基于经验模态分解和包络分析的齿轮故障诊断[A];现代振动与噪声技术（第九卷）[C];2011年

中国硕士学位论文全文数据库 前10条

1 赵志强;基于集合经验模式分解与径向基函数神经网络的齿轮故障诊断[D];河北工程大学;2015年

2 龚男;基于多源信号的变转速滚动轴承和齿轮故障诊断研究[D];中国矿业大学;2015年

3 胡长海;减速机齿轮故障诊断方法的研究[D];昆明理工大学;2009年

4 杨怡;基于局部均值分解的齿轮故障诊断方法[D];湖南大学;2012年

5 成琼;基于小波分析的齿轮故障诊断研究[D];湖南大学;2001年

6 寿海飞;基于小波分析的齿轮故障诊断研究[D];浙江工业大学;2007年

7 王彬彬;小波分析在微动齿轮故障诊断的应用与研究[D];南昌大学;2010年

8 王文莉;基于高阶谱的齿轮故障诊断与识别[D];武汉科技大学;2007年

9 王文欢;基于隐马尔科夫模型的齿轮故障诊断[D];南昌航空大学;2014年

10 赵国庆;基于小波降噪与HHT方法的齿轮故障诊断方法[D];武汉科技大学;2007年

  本文关键词：基于集合经验模式分解与径向基函数神经网络的齿轮故障诊断，由笔耕文化传播整理发布。

本文编号：260890