基于支持向量机的齿轮箱故障诊断系统开发

发布时间：2020-10-26 19:05

　　 齿轮箱作为机械设备中一种必不可少的连接和传递动力的通用零部件,在现代工业发展中具有广泛的应用。但由于齿轮箱本身结构复杂,工作环境恶劣等原因,齿轮及齿轮箱容易受到损害和出现故障,从而导致安全事故。由此可见,监测齿轮箱的运行状态,及时发现和排除故障,保证设备的精度和运行稳定性,具有重要的工程应用价值与意义。 本课题以开发齿轮箱故障诊断系统为总体目标,将支持向量机技术应用于齿轮箱故障的模式识别,旨在实现齿轮箱故障的智能诊断,并且提高其诊断准确率。本文分析了齿轮箱典型故障的振动特征,阐述了齿轮箱振动信号分析与故障诊断方法。在信号分析方法的基础上,提取时域参数、频域参数和基于小波分解的多尺度空间能量特征参数,作为支持向量机的输入特征向量,构建齿轮箱故障诊断模型,实现对齿轮箱故障的模式识别。最后利用而向对象的Visual C++,开发了基于支持向量机的齿轮箱故障诊断系统。软件系统具有信号文件读取、信号预处理、时域和频域分析、小波分析、特征参数提取、数据保存与读取、支持向量机故障诊断等功能,可以实现图形的查询、放大、移动,并提供了良好的人机界面,操作方便。 通过采集实际齿轮箱故障信号,对系统所实现的功能进行了验证。实验结果表明,采用时域参数、频域参数和小波参数相结合的特征参数提取方法,利用支持向量机对齿轮箱进行故障诊断,效果良好,提高了齿轮箱故障诊断的准确率。
【学位单位】：东北大学
【学位级别】：硕士
【学位年份】：2010
【中图分类】：TP18;TH165.3
【文章目录】：
摘要
Abstract
目录
第1章 绪论
    1.1 课题研究的背景和意义
    1.2 齿轮箱故障诊断技术的发展与研究现状
        1.2.1 齿轮箱故障诊断技术的发展
        1.2.2 齿轮箱故障诊断技术的研究现状及发展趋势
    1.3 课题研究的主要内容
第2章 齿轮箱故障类型及信号特征分析
    2.1 齿轮箱故障的分类
    2.2 齿轮故障振动信号特征分析
        2.2.1 齿轮的简化振动模型
        2.2.2 齿轮故障振动信号特征
        2.2.3 齿轮的常见故障振动特征
    2.3 滚动轴承故障振动信号特征分析
        2.3.1 滚动轴承振动机理
        2.3.2 滚动轴承故障振动信号特征
        2.3.3 滚动轴承的常见故障振动特征
    2.4 轴故障振动信号特征分析
        2.4.1 轴不对中
        2.4.2 轴弯曲
        2.4.3 轴不平衡
        2.4.4 轴向窜动
    2.5 本章小结
第3章 齿轮箱典型故障模拟实验
    3.1 实验系统的构成
    3.2 实验所用仪器
    3.3 齿轮箱故障模拟
    3.4 测点布置
    3.5 实验数据的采集
    3.6 本章小结
第4章 齿轮箱振动信号的分析及特征提取
    4.1 齿轮箱振动信号的时域分析
        4.1.1 信号预处理
        4.1.2 时域统计分析
        4.1.3 相关分析
    4.2 齿轮箱振动信号的频域分析
        4.2.1 频谱分析
        4.2.2 频谱细化分析
        4.2.3 倒频谱分析
        4.2.4 解调分析
        4.2.5 齿轮箱实验数据的频域分析实例
    4.3 小波分析方法
        4.3.1 小波变换基础
        4.3.2 多分辨分析
        4.3.3 Mallat算法
        4.3.4 齿轮箱振动信号的小波降噪处理
        4.3.5 小波分析在齿轮箱故障诊断中的应用
    4.4 故障特征参数提取
        4.4.1 时域故障特征参数
        4.4.2 频域故障特征参数
        4.4.3 基于小波分解的多尺度空间能量分布特征参数
    4.5 本章小结
第5章 基于支持向量机的齿轮箱故障模式识别
    5.1 支持向量机
        5.1.1 支持向量机的基本思想
        5.1.2 最优超平面与支持向量机
    5.2 支持向量分类机
        5.2.1 线性可分问题的支持向量分类机
        5.2.2 线性支持向量分类机
        5.2.3 非线性支持向量分类机
        5.2.4 支持向量机的多分类算法
    5.3 支持向量机的参数选择
        5.3.1 核函数的选择
        5.3.2 核参数的调整
        5.3.3 正则化参数C
    5.4 基于支持向量机的齿轮箱故障诊断
        5.4.1 支持向量机训练
        5.4.2 支持向量机诊断
    5.5 本章小结
第6章 齿轮箱故障诊断软件系统开发
    6.1 软件系统的整体设计
        6.1.1 系统概述
        6.1.2 系统功能需求分析
        6.1.3 系统设计方案
    6.2 软件开发工具的选用及简要介绍
    6.3 软件界面及主要功能模块
        6.3.1 视图界面
        6.3.2 采样数据格式转换模块
        6.3.3 时域波形显示
        6.3.4 信号预处理模块
        6.3.5 特征频率计算模块
        6.3.6 信号分析模块
        6.3.7 特征参数提取模块
        6.3.8 支持向量机诊断模块
        6.3.9 实验数据诊断结果
    6.4 本章小结
第7章 结论与展望
    7.1 结论
    7.2 展望
参考文献
附录
致谢

【引证文献】

相关硕士学位论文 前1条

1 王绍敢;基于局域波与遗传神经网络的齿轮箱故障诊断[D];中北大学;2013年

本文编号：2857401