基于变异算子的PSO优化RBF网络在齿轮箱故障诊断中的应用

发布时间：2023-06-04 21:47

　　齿轮箱是传动机械中重要零部件,其运行状态关系到整个机械设备的生产。齿轮箱的运行环境和工况比较复杂,齿轮是其中容易发生故障的元件。据统计,齿轮裂纹和齿面断裂这两种故障类型占齿轮所有故障类型的将近一半之多。因此,对齿轮工况在线监测和其裂纹的识别预警很有必要。粒子群优化算法(简称PSO算法)是一种用来寻求最优解的群体智能算法,本文首先在PSO中引入一种变异操作算子对算法进行一定改进,并对改进后的PSO与传统PSO之间的优越性进行仿真对比分析。然后在改进PSO的基础上,结合RBF网络优化所需解决的具体问题,建立了一种基于变异算子的PSO优化RBF网络的模型。基本思路是:加入变异算子来改进传统PSO,改进后的PSO用来优化RBF网络的权值和阈值等参数,优化后的网络模型用到齿轮箱故障识别。目的在于对齿轮箱中齿轮的各种故障情况做出及时、精准的识别,提升齿轮箱的寿命和稳定性,把齿轮箱故障带来的经济损失降到最低水平。本文选取主动轮的裂纹故障作为研究对象,故障表现形式为四种不同程度的损坏,并设计了实验采集了振动信号。运用小波包分解重构对实验原始信号进行了去噪,提取了8种对故障敏感的时域特征参量。利用本文提...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的目的和意义
    1.2 齿轮箱故障诊断技术的研究现状和发展趋势
        1.2.1 研究现状
        1.2.2 发展趋势
        1.2.3 神经网络在齿轮箱中的应用
    1.3 粒子群优化算法的研究简述
        1.3.1 研究概述
        1.3.2 发展方向
    1.4 论文的主要研究内容及结构安排
第2章 粒子群优化算法研究
    2.1 粒子群优化算法概念
        2.1.1 粒子群优化算法起源
        2.1.2 粒子群优化算法基本原理
        2.1.3 粒子群优化算法过程
    2.2 改进的PSO算法
        2.2.1 理论研究完善
        2.2.2 混合算法改进
    2.3 引入变异算子的PSO
    2.4 仿真实验分析
    2.5 粒子群优化算法的应用
    2.6 粒子群优化算法的参数选取
    2.7 本章小结
第3章 基于变异算子的PSO算法优化RBF网络
    3.1 人工神经网络
        3.1.1 人工神经网络研究历程
        3.1.2 RBF神经网络
    3.2 基于变异算子的PSO优化RBF网络
    3.3 RBF网络优化
        3.3.1 RBF网络结构设置
        3.3.2 RBF网络参数选取
    3.4 本章小结
第4章 齿轮箱故障诊断实验
    4.1 齿轮箱故障诊断实验设计装置
    4.2 故障模式和参数选取
    4.3 实验用齿轮传动结构
        4.3.1 齿轮传动结构简述
        4.3.2 实验对象齿轮选择
    4.4 齿轮裂纹等级划分
    4.5 齿轮参数选择
    4.6 采样频率选择
    4.7 实验步骤
    4.8 本章小结
第5章 优化后的RBF网络用于齿轮箱故障诊断
    5.1 齿轮箱故障诊断过程
    5.2 齿轮箱原始振动信号小波包降噪
        5.2.1 小波包降噪原理
        5.2.2 小波包降噪的主要步骤
        5.2.3 齿轮箱原始振动信号小波包降噪结果分析
    5.3 时域特征参数提取
    5.4 优化后的RBF网络对齿轮箱进行故障诊断
        5.4.1 神经网络模型建立
    5.5 基于变异算子的PSO算法参数选取
    5.6 基于变异算子的PSO算法优化RBF网络流程
    5.7 优化后的RBF网络的训练与测试
    5.8 结果分析
    5.9 本章小结
第6章 总结与展望
    6.1 本文研究工作总结
    6.2 未来研究的展望
参考文献
攻读硕士期间已发表的论文
致谢



本文编号：3831078