基于改进LMD与BP神经网络的变速箱故障诊断

发布时间：2021-08-27 07:33

　　针对军用装甲车变速箱工作环境恶劣、故障模式难以识别的问题,在现有方法基础上,将噪声辅助分析方法、局部均值分解（LMD）方法和BP神经网络方法相结合,应用于装甲车变速箱故障诊断中。首先,在自行搭建的实验台上采集变速箱正常、轴承间隙故障、外环压痕、齿轮断齿4种典型状态下的振动信号;然后,采用噪声辅助LMD方法对信号进行分解,将信号前8个PF分量进行能量特征值提取,将提取的特征值作为BP神经网络的输入量,根据输出结果识别变速箱的故障类型。结果表明,该方法能有效应用于军用装甲车变速箱故障诊断,诊断正确率达到92. 5%。研究为其他特种变速箱诊断提供了一种有效的参考途径,有一定工程实用价值。 

【文章来源】：机械传动. 2020,44(01)北大核心

【文章页数】：6 页

【部分图文】：

LMD分解流程图

基于改进LMD和BP神经网络的变速箱故障诊断原理如图2所示，具体步骤如下：(1）用数据采集系统采集变速箱正常、轴承间隙故障、外环压痕、齿轮断齿4种典型状态下的振动信号，获取4N组振动信号作为训练样本。

实验以某特种装车齿轮箱为研究对象，搭建的实验台主要包括Y180L-4异步电动机、速度控制机、CWZ300测功仪、4JW-2A转矩仪和自主设计的数据采集平台，实验台如图3所示，图4所示为整个故障诊断系统原理图。该实验台可以模拟变速箱轴承、齿轮和轴的故障。为了方便齿轮箱拆装，故障件位置选在输出轴右端，同时在输出轴承正上方安装加速度传感器进行振动信号采集。图4 故障诊断实验系统原理图

【参考文献】：
期刊论文
[1]基于EEMD-TEO熵的高速列车轴承故障诊断方法[J]. 靳行,林建辉,伍川辉,邓韬,黄晨光.  西南交通大学学报. 2018(02)
[2]LMD能量熵和SVM相结合的滚动轴承故障诊断[J]. 徐乐,邢邦圣,郎超男,高钦武.  机械科学与技术. 2017(06)
[3]基于LMD-CM-PCA的滚动轴承故障诊断方法[J]. 付云骁,贾利民,秦勇,杨杰.  振动.测试与诊断. 2017(02)
[4]自适应的EEMD及其在滚动轴承故障诊断中的应用[J]. 林旭泽,蔡艳平,王新军.  机械科学与技术. 2016(11)
[5]快速自适应经验模态分解方法及轴承故障诊断[J]. 陈凯,李富才,李鸿光.  振动.测试与诊断. 2016(04)
[6]基于EMD及灰色关联度的滑动轴承润滑状态故障诊断研究[J]. 卢绪祥,苏一鸣,吴家腾,李录平.  动力工程学报. 2016(01)
[7]基于小波包近似熵和SVM的圆柱滚子轴承诊断[J]. 李学军,何能胜,何宽芳,何雷.  振动.测试与诊断. 2015(06)
[8]基于改进EMD方法的系统误差分离方法研究[J]. 姚刚,赵建军,姚跃亭,任喜.  振动与冲击. 2014(14)
[9]强冲击下变速箱滚动轴承故障诊断[J]. 尹芳莉,谭建平,何雷,丁闯.  广西大学学报(自然科学版). 2014(03)
[10]基于LMD与神经网络的滚动轴承故障诊断方法[J]. 程军圣,史美丽,杨宇.  振动与冲击. 2010(08)

硕士论文
[1]基于局部均值分解和证据理论的变速箱故障诊断研究[D]. 何雷.中南大学 2014



本文编号：3365943