基于混合智能的齿轮传动系统集成故障诊断方法研究
发布时间：2020-12-23 02:21
随着科学技术的发展,机械设备朝着高效率、高强度、高性能、大型化和自动化的方向发展。作为传递运动和动力的齿轮传动系统在许多大型设备中都发挥着重要的作用。但由于具有载荷条件复杂,工作环境恶劣等原因,齿轮传动系统容易受到损害而出现故障,这些故障的发生则极有可能诱发机器瘫痪,从而造成难以估计的经济损失和社会影响。因此,研究齿轮传动系统故障诊断的理论与技术具有重要的理论和实际意义。尽管现有的特征提取方法及故障识别技术取得了许多成果,但仍然存在诸多缺陷:功率谱分析适用于平稳信号分析,齿轮传动系统拾取的振动信号由于存在非平稳性导致这种分析方法无法有效使用;短时傅立叶变换、小波变换、EMD分解等非平稳信号处理算法能够适应齿轮故障诊断信号的非平稳特性,但在特征提取方面却存在太多的频段特征,导致故障诊断难度增加;如何实现减少特征维数,保证故障诊断效果是迫切需要解决的问题。基于特征提取的模式识别方法是故障诊断中的重要内容,BP等神经网络以其极强的自学习、非线性识别能力在故障识别中获得了广泛的研究,但其容易陷入局部最优一直是该种方法的诟病;同时针对如何更好的应用各种特征提取算法的成果来提高故障识别率也是故障诊...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：118 页
【学位级别】：博士
【部分图文】：
滚动轴承结构示意图
统故障的物理模拟实验在太原理工大学机械电子工程障诊断实验台上进行的。本文以我研究所实验室的齿轮的齿轮传动系统实验系统由三部分构成，分别是：动力验系统如图 2-3 所示，由 Y132S－4 型三相异步电动机齿轮箱的输入轴，然后经过齿轮传动系统一级传动，将加载器制动，在该系统中磁粉加载器作为负载使用。杨铁梅：基于混合智能的齿轮传动系统集成故障诊断方法研究
图 2-4 齿轮传动系统实验装置及传感器测点布置示意图4 The sketch map for the experimental device of gear transmission systemthe placement of the sensor measurement points采集系统处理分析，是振动测试以及设备故障诊断的前提和基础[105]率成分，频带非常宽，并且其故障信息集中在中频段和高的参数是加速度信号(较少用位移和速度)，所用传感器一般验中，振动信号的数据采集系统由三部分构成，分别是加器。器压电式三轴加速度传感器8638M004，该传感器由瑞士KISTL体积小、灵敏度高的优点。该传感器已经将放大器集成在加
【参考文献】：
期刊论文
[1]Application of Wavelets Transform to Fault Detection in Rotorcraft UAV Sensor Failure[J]. Jun-tong Qi1,2, Jian-da Han1 1. Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, P. R. China 2. Graduate School, Chinese Academy of Sciences, Beijing 100049, P. R. China. Journal of Bionic Engineering. 2007(04)
[2]基于阶次跟踪与伪魏格纳分布的齿轮故障诊断[J]. 康海英,栾军英,郑海起,崔清斌. 振动、测试与诊断. 2007(03)
[3]EMD方法基于AR模型预测的数据延拓与应用[J]. 胡劲松,杨世锡. 振动、测试与诊断. 2007(02)
[4]混合智能系统R-CSNN及其应用[J]. 夏洁,蔡自兴,王刚. 计算机科学. 2007(04)
[5]基于HHT变换的时频分析法及其在2FSK系统解调中的应用[J]. 毛炜,金荣洪,李家强,耿军平,范瑜. 电子与信息学报. 2006(12)
[6]一种新的属性约简算法[J]. 杨宝华. 计算机技术与发展. 2006(05)
[7]齿轮故障诊断技术应用综述[J]. 熊军,李凤英,沈玉娣. 机床与液压. 2005(12)
[8]基于Wigner高阶谱的机械故障诊断的研究[J]. 李志农,何永勇,褚福磊. 机械工程学报. 2005(04)
[9]基于多传感器信息融合技术[J]. 刘海英,张池平. 佳木斯大学学报(自然科学版). 2004(01)
[10]小波神经网络在齿轮早期故障诊断中的应用[J]. 韩振南,李进宝,熊诗波. 煤矿机械. 2003(05)
博士论文
[1]复杂机械系统动态特性分析和实验辨识方法的研究[D]. 熊晓燕.太原理工大学 2008
[2]轧机自激振动诊断与结构动力学修改[D]. 马维金.太原理工大学 2006
[3]基于模型的异步电动机早期故障智能诊断[D]. 田慕琴.太原理工大学 2006
[4]基于支持向量回归技术的大型复杂机电设备故障诊断研究与应用[D]. 王然风.太原理工大学 2005
[5]机械结构损伤检测方法研究[D]. 郑渝.太原理工大学 2004
[6]齿轮传动系统的故障诊断方法的研究[D]. 韩振南.太原理工大学 2003
本文编号：2932889
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：118 页
【学位级别】：博士
【部分图文】：
滚动轴承结构示意图
统故障的物理模拟实验在太原理工大学机械电子工程障诊断实验台上进行的。本文以我研究所实验室的齿轮的齿轮传动系统实验系统由三部分构成，分别是：动力验系统如图 2-3 所示，由 Y132S－4 型三相异步电动机齿轮箱的输入轴，然后经过齿轮传动系统一级传动，将加载器制动，在该系统中磁粉加载器作为负载使用。杨铁梅：基于混合智能的齿轮传动系统集成故障诊断方法研究
图 2-4 齿轮传动系统实验装置及传感器测点布置示意图4 The sketch map for the experimental device of gear transmission systemthe placement of the sensor measurement points采集系统处理分析，是振动测试以及设备故障诊断的前提和基础[105]率成分，频带非常宽，并且其故障信息集中在中频段和高的参数是加速度信号(较少用位移和速度)，所用传感器一般验中，振动信号的数据采集系统由三部分构成，分别是加器。器压电式三轴加速度传感器8638M004，该传感器由瑞士KISTL体积小、灵敏度高的优点。该传感器已经将放大器集成在加
【参考文献】：
期刊论文
[1]Application of Wavelets Transform to Fault Detection in Rotorcraft UAV Sensor Failure[J]. Jun-tong Qi1,2, Jian-da Han1 1. Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, P. R. China 2. Graduate School, Chinese Academy of Sciences, Beijing 100049, P. R. China. Journal of Bionic Engineering. 2007(04)
[2]基于阶次跟踪与伪魏格纳分布的齿轮故障诊断[J]. 康海英,栾军英,郑海起,崔清斌. 振动、测试与诊断. 2007(03)
[3]EMD方法基于AR模型预测的数据延拓与应用[J]. 胡劲松,杨世锡. 振动、测试与诊断. 2007(02)
[4]混合智能系统R-CSNN及其应用[J]. 夏洁,蔡自兴,王刚. 计算机科学. 2007(04)
[5]基于HHT变换的时频分析法及其在2FSK系统解调中的应用[J]. 毛炜,金荣洪,李家强,耿军平,范瑜. 电子与信息学报. 2006(12)
[6]一种新的属性约简算法[J]. 杨宝华. 计算机技术与发展. 2006(05)
[7]齿轮故障诊断技术应用综述[J]. 熊军,李凤英,沈玉娣. 机床与液压. 2005(12)
[8]基于Wigner高阶谱的机械故障诊断的研究[J]. 李志农,何永勇,褚福磊. 机械工程学报. 2005(04)
[9]基于多传感器信息融合技术[J]. 刘海英,张池平. 佳木斯大学学报(自然科学版). 2004(01)
[10]小波神经网络在齿轮早期故障诊断中的应用[J]. 韩振南,李进宝,熊诗波. 煤矿机械. 2003(05)
博士论文
[1]复杂机械系统动态特性分析和实验辨识方法的研究[D]. 熊晓燕.太原理工大学 2008
[2]轧机自激振动诊断与结构动力学修改[D]. 马维金.太原理工大学 2006
[3]基于模型的异步电动机早期故障智能诊断[D]. 田慕琴.太原理工大学 2006
[4]基于支持向量回归技术的大型复杂机电设备故障诊断研究与应用[D]. 王然风.太原理工大学 2005
[5]机械结构损伤检测方法研究[D]. 郑渝.太原理工大学 2004
[6]齿轮传动系统的故障诊断方法的研究[D]. 韩振南.太原理工大学 2003
本文编号：2932889
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/2932889.html
