基于小波神经网络专家系统的齿轮箱故障诊断研究

发布时间：2020-11-19 13:08

　　 齿轮箱在连接和传递动力方面起到至关重要的作用,在不少的机械设备中广泛应用。据统计,旋转机械中齿轮故障占其故障的10%左右,轴承故障的故障发生率也占有很大的比重。因此随着齿轮箱的故障诊断成为旋转机械故障诊断的一个重要部分的同时,选取齿轮和轴承进行故障诊断的研究就有着很重要的实际工程意义。对齿轮箱的故障诊断技术的研究,不仅可以缩短维修时间、降低维修费用、还能提高设备运行的稳定性,保证安全生产,所以意义重大。 到目前为止,故障诊断的发展已经朝着智能领域方向开展,这不仅促进了智能诊断方法的发展,而且同时也成为研究故障诊断技术的一个新的、重要的手段。本文利用小波包理论不仅实现了故障信号的降噪处理,而且还成功的提取了故障信号的特征能量作为神经网络专家系统(NNES)的输入参量。这是分辨信号故障模式的一种新的方法。通过训练样本训练网络得到神经网络专家系统的隐知识库,测试样本则调用隐知识库中的隐含故障特征,从而做出故障诊断。本文是选取了齿轮箱常常发生的五种故障模式,作为研究对象。通过对训练好的网络进行测试得知,此小波神经网络专家系统的网络性能良好,可以应用到工程实际故障诊断技术中。 利用MATLAB和VB进行混合编程,开发出用户界面友好、操作简单的齿轮箱智能故障诊断系统。通过本文,不仅显示了MATLAB在计算、绘图和神经网络工具箱方面的强大功能,而且还充分发挥了VB在图形用户界面方面的优势。
【学位单位】：燕山大学
【学位级别】：硕士
【学位年份】：2010
【中图分类】：TH132.41;TH165.3
【部分图文】：

图 2-2 齿轮副力学模型Fig.2-2 The mechanics model of gea为2 ( )[ ( )] ( rM X + CX + K t X E t = T 用线上齿轮的相对位移；C 为齿轮2 为作用在齿轮上的扭矩；2r 为节圆误差及故障造成两个齿轮在作用线：1 21 2rm mMm m=+摩擦力的影响，则2 1 2(T iT ) / r= 0，1 2E (t ) = E + E (t )载后的平均静弹性变形；2E (t )为齿)，

图 2-3 滚动轴承刚度随滚动体位置而变化Fig.2-3 The variational location of rolling bearing’s rigidity滚动轴承安装有关的振动 安装滚动轴承的旋转轴弯承装歪，使保持架座孔和引导面偏载，轴运转时则成分中含有轴旋转频率的多次谐波。同时，滚动轴滚动体通过特定位置时也会引起振动,其频率与滚动动轴承的固有振动频率 滚动轴承在运行过程中，由冲击而产生振动，这时的振动频率为轴承各部分的为222( 1) 42 1rk k EIgfD rAπk = ×+(Hz) 振动阶数(k =2,3,…)；D为套圈横截面中性轴直径(ma)；I 为套圈横截面的惯性矩(mm4)；g 为重力加速度32

的啮合频率及各次谐波于啮合刚度的变化引起的，标准渐开线线两侧的某部位开始变为双齿啮合，因变化的，由于载荷的变化引起了啮合刚动。一般情况下，啮合振动是近似于简频谱图上会出现啮合频率及各次谐波成4 所示。
【参考文献】

相关期刊论文 前2条

1 胡智文,邓铁如,余增亮,陈连运;在VB应用程序中集成MATLAB[J];计算机工程与应用;2003年07期

2 丁锋;何正嘉;张新运;;小波包分析在滚动轴承信号消噪处理中的应用[J];西安工业学院学报;2006年01期

相关博士学位论文 前1条

1 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

相关硕士学位论文 前8条

1 许娟;基于神经网络的机械振动故障诊断系统设计[D];沈阳工业大学;2007年

2 张琳;机械故障诊断中神经网络与D-S推理的信息融合技术研究[D];燕山大学;2003年

3 孙超;专家系统在故障诊断和质量预测方面的应用[D];浙江大学;2004年

4 王飞雁;机械传动系统综合测试与故障诊断研究[D];南京理工大学;2003年

5 李辉;滚动轴承和齿轮振动信号分析与故障诊断方法[D];西北工业大学;2001年

6 张锐;基于人工神经网络理论的机械故障诊断技术研究[D];东北林业大学;2001年

7 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

8 朱忠奎;小波分析在变速箱齿轮故障诊断中的应用研究[D];合肥工业大学;2002年

本文编号：2890049