基于BP神经网络的齿轮故障模式识别研究

发布时间：2020-10-31 05:40

　　 齿轮是汽车变速器的重要组成部分,担负着传递发动机动力的巨大作用,其工作状态直接影响传动系统的效率。齿轮是应用最为广泛,同时也是最易损坏的零件,因此,对齿轮实施故障诊断非常必要,受到了越来越多的重视。 对齿轮实施故障诊断的实质就是模式识别。齿轮模式识别是通过对提取的特征信息进行分析和处理实现的。传统的信号时域和频域分析方法,可以提取故障特征信息,为进一步提高齿轮故障诊断的准确性和快速性,随着各种新技术的产生,信号的分析方法也有了新的发展,例如小波变换、包络分析等。 振动信号是齿轮故障特征信息的载体,本文系统的介绍了齿轮振动信号的特征提取方法,用时域分析、频域分析、时频分析和包络分析等方法综合分析齿轮故障信号。模拟齿轮故障实验,提取时域和频域内的故障特征信息。构建人工神经网络模型对提取的特征信息进行诊断,实现齿轮故障模式识别。神经网络具有独特的结构和处理信息的方法,将其应用到齿轮模式识别中,为齿轮故障诊断开辟了一条新途径。基于MATLAB平台,利用构建的PNN模型和BP神经网络模型对齿轮进行故障诊断。同时,对BP神经网络进行改进,通过对比,验证改进后的模型对齿轮模式识别效果更好,提高了齿轮故障诊断的效率,具有广阔的应用前景。
【学位单位】：长安大学
【学位级别】：硕士
【学位年份】：2010
【中图分类】：TH132.41;TH165.3
【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外发展现状及趋势
        1.2.1 研究方法及现状
        1.2.2 发展趋势
    1.3 本文的主要研究内容
    1.4 本章小结
第二章 齿轮振动故障诊断的基础
    2.1 概述
        2.1.1 齿轮的劣化规律
        2.1.2 齿轮的主要故障原因
    2.2 齿轮振动故障诊断系统
    2.3 齿轮的振动机理
        2.3.1 齿轮的振动分析
        2.3.2 幅值调制和频率调制
    2.4 本章小结
第三章 齿轮振动信号的分析与特征提取
    3.1 振动信号的时域分析
        3.1.1 幅值域分析
        3.1.2 时差域分析
        3.1.3 时域平均分析
    3.2 振动信号的频域分析
        3.2.1 频谱分析
        3.2.2 功率谱分析
        3.2.3 细化谱分析
        3.2.4 倒频谱分析
    3.3 振动信号的时频分析
    3.4 振动信号的包络分析
    3.5 本章小结
第四章 齿轮故障诊断实验
    4.1 实验系统的组成
        4.1.1 实验台的组成
        4.1.2 振动测试系统
    4.2 齿轮故障诊断实验的实施
        4.2.1 齿轮故障类型选择
        4.2.2 数据采集与处理
    4.3 本章小结
第五章 神经网络在齿轮故障诊断中的应用
    5.1 基于神经网络齿轮故障诊断
        5.1.1 概率神经网络
        5.1.2 BP神经网络
        5.1.3 方法对比
    5.2 BP神经网络的改进
    5.3 本章小结
第六章 结论与展望
    6.1 本文的主要工作和结论
    6.2 展望
参考文献
致谢

【引证文献】

相关期刊论文 前2条

1 贾文铜;周瑞祥;张忠;王卓健;郭基联;;基于Elman神经网络的齿轮故障诊断研究[J];计算机测量与控制;2012年05期

2 贾文铜;周瑞祥;张忠;王卓健;郭基联;;基于Elman神经网络的齿轮故障诊断研究[J];计算机测量与控制;2012年06期

相关硕士学位论文 前2条

1 贾春花;基于HHT的果蝇振翅鸣声特征提取及分类研究[D];陕西师范大学;2011年

2 张丽娜;小麦碰撞声信号特征识别研究[D];陕西师范大学;2012年

本文编号：2863520