基于解调分析和BP网络的齿轮箱智能诊断技术研究

发布时间：2020-11-02 04:32

　　 随着机械设备复杂程度和自动化水平的提高,机械设备故障诊断的重要性日益显著,而选择合适的诊断方法和系统对于诊断结果是否精确就显得更为重要。由于调制现象广泛存在于齿轮箱的振动信号中,就需要寻求有效的解调方法。在智能诊断系统中,人工神经网络模仿人脑的物理结构,以其强大的并行运算和联想能力非常适合于机械设备故障诊断。为了提取早期数据的故障信息,更有效地对设备进行故障诊断,本文提出了基于解调分析和BP网络的齿轮箱智能诊断技术研究。 本文主要研究了时域诊断参数在故障发展中的趋势分析,解调方法提取早期故障特征,基于混合推理和BP神经网络技术的智能诊断系统设计等。其中包括轴承实验台数据分析,现场齿轮打齿数据分析等。针对各种轴承状态,进行诊断指标统计;通过解调分析和基于EMD分解的方法等来补充传统的频谱分析对各时期的故障特征进行提取;这些信号分析方法的一些诊断参数也作为输入向量进行BP网络的学习和训练;研究了人工神经网络的基本原理、模型结构和算法,针对齿轮箱的典型故障特征,确定了适合故障诊断的神经网络的模型,并对现场发生的故障进行分析与诊断,证明网络可以大大提高故障诊断的准确度。神经网络技术的应用丰富齿轮箱智能诊断系统的功能。总体上是在案例推理和规则推理的基础上再结合BP神经网络技术,使智能诊断系统更加有效地进行智能诊断。
【学位单位】：北京工业大学
【学位级别】：硕士
【学位年份】：2009
【中图分类】：TH132.41
【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 本课题的研究背景和意义
    1.2 本课题的研究现状
        1.2.1 设备故障诊断的研究现状
        1.2.2 智能诊断方法和系统的研究现状
        1.2.3 神经网络的发展及其优缺点
    1.3 本课题的研究内容
第2章 齿轮箱典型故障冲击特征的辨识与分析
    2.1高线轧机齿轮箱结构特征及其振动特性
    2.2 齿轮箱故障诊断振动信号分析及实例
        2.2.1 诊断的时域与频域指标及诊断实例
        2.2.2 轴承特征向量提取实例
    2.3 早期故障数据解调分析方法的研究
        2.3.1 希尔伯特包络解调理论
        2.3.2 实际故障案例解调分析
    2.4 本章小结
第3章 EMD解调参数在齿轮箱故障诊断中的运用
    3.1 经验模式分解（EMD）方法的原理
        3.1.1 应用背景
        3.1.2 固有模态函数
        3.1.3 经验模式分解
    3.2 经验模式分解（EMD）包络分析的特点及其应用
        3.2.1 基于EMD的包络分析的特点
        3.2.2 早期数据分析的两个实例
    3.3 本章小结
第4章 齿轮箱神经网络推理模型的建立与分析
    4.1 神经网络概述
        4.1.1 神经网络的构成
        4.1.2 神经网络的学习算法及其优点
        4.1.3 BP神经网络在模式识别中的应用概况
    4.1 BP神经网络及其用于模式识别研究或故障诊断的方法
        4.2.1 BP神经网络模型结构
        4.2.2 Bp神经网络设计
    4.3 Bp神经网络在故障诊断中的应用
        4.3.1 基于时域指标的实验数据分析
        4.3.2 基于EMD的现场数据分析
    4.4 本章小结
第5章 基于混合推理和神经网络的智能诊断系统
    5.1 基于知识推理和案例推理的智能系统
        5.1.1 轧机齿轮箱智能诊断系统总体设计
        5.1.2 轧机齿轮箱智能诊断系统主要模块
        5.1.3 智能诊断系统运行实例
    5.2 集成式专家系统的实现
        5.2.1 神经网络在齿轮箱智能诊断系统中的设计方案一
        5.2.2 神经网络在齿轮箱智能诊断系统中的设计方案二
        5.2.3 智能诊断系统整体性优化方案
    5.3 本章小结
总结与展望
参考文献
攻读硕士期间的成果及论文
致谢

【相似文献】

相关期刊论文 前10条

1 陈逸华;宝钢1420轧机主传动齿轮箱的研制[J];机械制造与自动化;1999年02期

2 龚雯;基于模糊理论的机械加工误差源智能诊断方法研究[J];组合机床与自动化加工技术;2003年09期

3 邱天高,赵志高,黄其柏;基于频谱分析的齿轮箱噪声源诊断[J];机械传动;2004年01期

4 金洪星,胡平;脑电图检测和智能诊断系统的研究[J];南京工业大学学报(自然科学版);2005年01期

5 黄富瑄;;液压系统故障诊断方法综述[J];液压与气动;2006年01期

6 施宇;霍春宝;毛亮;;基于模糊神经网络的腹痛疾病诊断系统的研究[J];辽宁工学院学报;2007年01期

7 于杰栋;王宏伟;武宝喜;皇甫雅志;裴学智;;铁谱分析技术在齿轮箱故障诊断中的应用[J];设备管理与维修;2007年07期

8 宋庆华;;浅论齿轮箱中零部件的常见失效形式[J];科学大众;2008年10期

9 雷逢春;;皮带运输机故障智能诊断系统研究[J];科技创新导报;2010年22期

10 王曙;刘红星;白志平;李马;王正祥;郑维军;;齿轮箱滚动轴承振动诊断的难点与对策[J];中国设备工程;2011年04期

相关博士学位论文 前10条

1 徐向阳;柔性销轴式风电齿轮箱动力学研究[D];重庆大学;2012年

2 胡邦喜;基于信息化的现代大型企业设备管理理论与方法研究[D];武汉理工大学;2007年

3 刘义艳;结构健康监测与智能诊断技术研究[D];长安大学;2010年

4 傅瑜;小波分析在旋转机械故障诊断中的应用[D];西安电子科技大学;1998年

5 许明;锚固系统质量的无损检测与智能诊断技术研究[D];重庆大学;2002年

6 丁克北;离心压缩机组振动智能诊断关键技术研究[D];大庆石油学院;2005年

7 白广来;船舶柴油机智能监测与智能诊断的研究[D];大连海事大学;2003年

8 王新晴;齿轮箱不解体诊断技术研究[D];天津大学;1998年

9 张蔚波;基于子系统分析的多维耦合系统功率流传递特性研究[D];山东大学;2003年

10 王文铭;基于数据仓库的矿山企业信息系统及其应用研究[D];东北大学;2000年

相关硕士学位论文 前10条

1 张亮;风力发电机组齿轮箱早期故障诊断方法研究[D];大连理工大学;2010年

2 陈晗霄;基于虚拟仪器的大型高速齿轮箱故障诊断系统研究[D];电子科技大学;2010年

3 薛显光;某船用齿轮箱的动态特性分析和优化研究[D];重庆理工大学;2010年

4 付松;关于风电机齿轮箱传动系统振动特性的分析研究[D];新疆大学;2011年

5 许琦;大型风力发电机齿轮箱动力学分析[D];沈阳工业大学;2011年

6 张捷;基于神经网络的齿轮箱智能故障诊断技术的研究[D];江苏大学;2003年

7 杨绍波;兆瓦级以上风电齿轮箱传动系统的结构与性能研究[D];西华大学;2011年

8 祝儒德;风机齿轮箱监测诊断系统的研究与实现[D];哈尔滨工业大学;2010年

9 罗家元;齿轮箱系统耦合动态特性研究[D];重庆大学;2004年

10 邢钧;基于小波分析的齿轮箱故障诊断技术的研究和应用[D];北京工业大学;2002年

本文编号：2866574