基于信息融合的煤炭输送机减速器故障诊断方法研究

发布时间：2017-05-04 09:11

  本文关键词：基于信息融合的煤炭输送机减速器故障诊断方法研究，由笔耕文化传播整理发布。

【摘要】：减速器是煤炭输送机的重要驱动装置之一，在输送机运行过程中发生故障的频率较高，并且发生故障后对煤炭生产的影响时间长，因此，对减速器早期故障进行诊断具有十分重要的意义。然而，减速器出现的故障多种多样，故障判断方法大多是分析振动信号的时域和频域波形图，信号的获取大多依靠单个传感器，存在领域知识难以获取、故障诊断率低等情况。鉴于此，本文引入多传感器信息融合的方法对减速器故障诊断技术进行探索。 本文在阅读大量有关减速器故障诊断和多传感器信息融合资料的基础上，做了以下工作： （1）针对轴、轴承、齿轮等出现的机械故障，选取了时域信号中的峭度、裕度、峰值指标等、频域信号中的频谱重心、频谱方差、谐波因子等特征值。根据多传感器信息融合的特点，选取了证据推理和神经网络的融合方法，建立了用于整体故障诊断的特征层融合模型和用于局部故障诊断的决策层融合模型。 （2）鉴于D-S证据推理中经典融合公式会出现证据高度冲突的缺陷，本文使用了一种新的合成公式。将从三个振动传感器提取的7个特征向量作为3个证据体，并对减速器整体故障进行诊断,通过将经典公式和改进公式的融合结果进行比较，表明改进公式融合结果比经典公式诊断结果更准确，证明其可行性。 （3）针对减速器各主要部件的具体故障，，首先使用神经网络进行特征融合，然后采用决策判决的方法得出诊断结果。本文根据BP网络和RBF网络对减速器故障的仿真结果对比，选取了RBF网络进行特征层的融合。采用Matlab仿真软件，把从三个传感器提取的特征向量通过训练好的RBF神经网络进行特征层的融合，将融合结果作为证据体，然后使用改进的证据融合公式进行融合，并根据决策规则得到诊断结果。将以上组合方法用于区分轴承出现的轴内圈、外圈等四种故障，诊断结果表明基于神经网络和证据理论的故障诊断可提高诊断结果的有效性和准确性。
【关键词】：输送机减速器 故障诊断 多传感器信息融合 神经网络 D-S证据理论
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3;TD50
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 本课题研究的目的和意义9
• 1.2 输送机减速器故障诊断方法的研究现状9-11
• 1.2.1 输送机减速器故障诊断国外研究现状9-10
• 1.2.2 输送机减速器故障诊断方法国内研究现状10-11
• 1.3 多传感器信息融合方法11-13
• 1.3.1 概述11
• 1.3.2 研究与应用11-12
• 1.3.3 在故障诊断中应用的优点12-13
• 1.4 研究目标13
• 1.5 本文研究内容13-15
• 第二章 减速器故障分析及多传感器信息融合的应用过程15-31
• 2.1 引言15
• 2.2 故障类型分析及诊断方法研究15-19
• 2.2.1 故障类型及相关因素15-17
• 2.2.2 减速器故障树及诊断方法研究17-19
• 2.3 特征值提取及分析19-25
• 2.3.1 信号测取与分析19-20
• 2.3.2 基于时域信号的特征参数提取和分析20-24
• 2.3.3 基于频域信号的特征信号提取和分析24-25
• 2.4 多传感器信息融合技术在减速器故障诊断的应用分析25-29
• 2.4.1 减速器故障诊断过程的介绍25-26
• 2.4.2 故障诊断模型26
• 2.4.3 融合方法的选取26-28
• 2.4.4 融合层次的选取28-29
• 2.5 输送机减速器多传感器信息融合模型29-30
• 2.5.1 特征层故障诊断模型29-30
• 2.5.2 决策层故障诊断模型30
• 2.6 本章小结30-31
• 第三章 D-S 证据融合法在输送机减速器故障诊断中的应用31-44
• 3.1 引言31
• 3.2 D-S 证据理论方法的理论概述31-35
• 3.2.1 D-S 证据理论中的基本概念31-32
• 3.2.2 合成规则32-34
• 3.2.3 在故障检测中应用的过程34-35
• 3.3 D-S 证据理论在输送机减速器故障检测中的应用过程35-39
• 3.3.1 结构模型35-36
• 3.3.2 证据体的获取36-37
• 3.3.3 减速器故障诊断过程37-39
• 3.4 减速器故障诊断的实例分析39-43
• 3.5 本章小结43-44
• 第四章 神经网络在输送机减速器故障检测中的应用44-58
• 4.1 引言44
• 4.2 人工神经网络44-47
• 4.2.1 人工神经网络原理44-45
• 4.2.2 人工神经网络用于减速器故障检测的优势45-46
• 4.2.3 神经网络在减速器故障诊断中的应用模型46-47
• 4.3 BP 神经网络故障诊断47-52
• 4.3.1 BP 神经网络概述47-48
• 4.3.2 实例分析48-52
• 4.4 径向基神经网络故障诊断52-57
• 4.4.1 径向基网络概述52-56
• 4.4.2 实例分析56-57
• 4.5 BP 网络、RBF 网络故障诊断效果及性能比较57
• 4.6 本章小结57-58
• 第五章 神经网络与 D-S 证据结合的减速器故障诊断58-62
• 5.1 引言58
• 5.2 神经网络的选取58
• 5.3 实例分析58-61
• 5.3.1 待测样本数据58-59
• 5.3.2 网络训练及待测样本结果输出59-60
• 5.3.3 确定证据体60
• 5.3.4 D-S 融合60-61
• 5.3.5 结果分析61
• 5.4 本章小结61-62
• 第六章 总结与展望62-64
• 6.1 总结62-63
• 6.2 展望63-64
• 参考文献64-67
• 致谢67-68
• 附录 A68-70
• 个人简历 在学期间发表的学术论文与研究成果70

【参考文献】

中国期刊全文数据库 前10条

1 王俊林;张剑云;;基于统计证据的Mass函数和D-S证据理论的多传感器目标识别[J];传感技术学报;2006年03期

2 唐士杰;高社生;邢化玲;;D-S理论与神经网络相结合的信息融合模型研究[J];传感技术学报;2007年08期

3 吴宏岐;周妮娜;张小娟;高蕊;;信息融合的故障诊断技术及应用[J];传感器与微系统;2006年09期

4 覃嘉恒;张鹰;;实信号的FFT在齿轮减速器故障诊断系统中的应用[J];大众科技;2010年07期

5 王志刚;付欣;;多传感器信息融合及其应用[J];光电技术应用;2008年03期

6 潘巍,王阳生,杨宏戟;D-S证据理论决策规则分析[J];计算机工程与应用;2004年14期

7 彭志凌;潘宏侠;;基于信息融合的齿轮箱故障诊断技术研究[J];机械管理开发;2006年02期

8 王燕桥;寇子明;;皮带输送机滚动轴承状态监测与故障诊断的研究[J];机械管理开发;2009年01期

9 张华良;秦捷;严雄飞;;齿轮-滚动轴承智能故障诊断测试系统研究[J];机械传动;2008年06期

10 王江萍;基于多传感器融合信息的故障诊断[J];机械科学与技术;2000年06期

  本文关键词：基于信息融合的煤炭输送机减速器故障诊断方法研究，由笔耕文化传播整理发布。

本文编号：344800