基于人工神经网络的综合传动装置故障诊断研究

发布时间：2021-09-28 21:52

　　综合传动装置作为坦克装甲车辆传动系统的主要部件,其性能直接影响车辆的总体性能。由于综合传动装置工况复杂,易发生故障,因此对综合传动装置的故障诊断就显得尤为重要。本文对传动系统故障诊断技术和人工神经网络的应用进行了较全面深入的分析,在此基础上提出了论文的研究内容。研究了综合传动装置齿轮传动系统的故障机理和故障信号特征,分析比较了信号处理中常用的时域、频域处理方法,确定了本文所采用的数据处理方法。分析并确定了综合传动装置故障信号的敏感参数,以某综合传动装置为试验对象,进行了典型轴承支承处的箱体表面振动加速度信号的台架测试,并对试验数据进行了深入的处理和分析;建立了基于BP神经网络的故障诊断模型,分析并确定了模型中的各项参数。以visual C++ 6.0为平台,开发了基于BP神经网络的综合传动装置故障诊断系统,通过实测振动信号和仿真故障信号对系统所用方法进行了验证,结果表明利用振动信号时频域分析方法,通过神经网络对综合传动装置故障诊断效果良好,具有很好的应用前景。 

【文章来源】：北京理工大学北京市 211工程院校 985工程院校

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

a训练成功结果提示框

图 5-16 齿轮断齿时域波形图图 5-17 为工况三 A 样本（一轴不对中）下的功率谱图。从图中可以明显的看出齿轮的啮合频率及轴承的特征频率，在主频的周围都出现了若干边频，反映了信号在频域上的调制。而信号时域波形由于数据过于密集，差异较难辨认。图 5-17 一轴不对中工况下信号功率谱图工况四为轴承内圈严重磨损，功率谱见图 5-18。可以看到功率谱图低频范围内能量有一定程度的增加。

[17]。该综合传动装置产生振动的机理可以用图2-1来说明。图2-1 齿轮传动系统振动噪声产生的机理在综合传动装置实际运转过程中，其内部的每一个组成部件都具有一定的动态特性，随着基频的变化，各传动部件的信号频率也将发生相应的变化。不同工况下的信号对应着不同的特征参数。因此特征参数是反映综合传动装置运行状况的重要因素。


本文编号：3412592