传动齿轮箱故障诊断系统研究

发布时间：2017-07-14 19:05

  本文关键词：传动齿轮箱故障诊断系统研究

  更多相关文章： 传动齿轮箱 故障诊断 小波分析 振动分析 神经网络

【摘要】：传动齿轮箱故障有影响因素多样和表现行为多变的特点，对齿轮箱进行故障诊断也是一个复杂的过程。目前阻碍齿轮箱故障诊断技术发展的主要问题是：如何准确地将故障特征从复杂的齿轮箱运行状态信息中提取出来；如何提高故障诊断的可靠性和有效性。本文主要对传动齿轮箱故障诊断的理论和实现进行研究。 首先，对传动齿轮箱故障诊断系统进行了总体设计。本文诊断策略灵活而有弹性，采用常规故障诊断系统为简单而常见的齿轮箱故障进行故障诊断，采用智能故障诊断子系统积累知识库对复杂故障进行诊断。 其次，在理论上建立了传动齿轮箱故障诊断的模型，分析了齿轮箱振动机理和振动信号成分，为进一步进行分析打下基础。齿轮箱上测得的振动信号有平稳信号、周期平稳信号和冲击性信号三种。本文阐述了时域分析、频域分析、解调分析三种诊断手段的原理。在进行齿轮箱故障诊断时，对信号进行振动分析是解决问题的有效手段。 再次，采用小波神经网络对传动齿轮箱进行故障诊断。小波分析可以实现信号降噪和频带分析，小波分析在信号处理方面优势较大；人工神经网络可以在故障的模式识别方面出色地发挥能力，可以将小波分析和人工神经网络的优势结合起来。小波分析对神经网络的切入点主要有外部结合和内部耦合两种，本文采用外部结合手段，即松散型小波神经网络。用小波包分解获得的频带分量作为输入，传递给小波神经网络进行故障诊断，在神经网络内部采用反向传播算法作为后置处理手段。对齿轮箱故障诊断的常规手段和智能故障诊断手段进行了仿真，采用小波神经网络对齿轮箱的故障进行了网络训练和模式识别，诊断正确率较高，可以有效地对齿轮箱故障进行诊断。 最后，对传动齿轮箱故障诊断系统进行了实现研究，可以利用常规分析和智能分析对齿轮箱进行故障诊断。在开发的齿轮箱故障诊断系统中，主要组成部分有系统管理、信号分析、常规故障诊断、智能故障诊断四个子系统。对于不同测试功能，，软件会根据具体要求自动调用相应的功能子系统。
【关键词】：传动齿轮箱 故障诊断 小波分析 振动分析 神经网络
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH132.41;TH165.3
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-19
• 1.1 课题的背景及意义11
• 1.2 传动齿轮箱故障诊断概述11-12
• 1.3 传动齿轮箱故障诊断的国内外发展现状12-17
• 1.3.1 常规诊断技术12-15
• 1.3.2 小波技术15-16
• 1.3.3 人工神经网络16-17
• 1.4 本文主要研究内容17-19
• 第2章 传动齿轮箱故障诊断系统方案设计19-28
• 2.1 传动齿轮箱故障诊断系统总体设计19-21
• 2.1.1 设计目标19
• 2.1.2 故障诊断系统的组成19-21
• 2.2 传动齿轮箱故障智能诊断子系统设计21-23
• 2.3 传动齿轮箱故障诊断流程23-27
• 2.3.1 选择测点23-25
• 2.3.2 登记传动齿轮箱各部件的信息25-26
• 2.3.3 诊断振动速度和加速度26
• 2.3.4 调用故障诊断程序26-27
• 2.4 小结27-28
• 第3章 传动齿轮箱故障振动诊断模型分析研究28-36
• 3.1 传动齿轮箱振动模型28-29
• 3.2 传动齿轮箱故障特征29-30
• 3.3 传动齿轮箱故障模型30-35
• 3.3.1 传动齿轮箱调制现象30-31
• 3.3.2 传动齿轮箱调制模型31-33
• 3.3.3 传动齿轮箱故障幅值调制分析33-35
• 3.4 小结35-36
• 第4章 基于小波神经网络的传动齿轮箱故障诊断技术研究36-58
• 4.1 常规诊断方法的原理与不足36-38
• 4.2 小波神经网络38-41
• 4.2.1 小波分析38-40
• 4.2.2 小波神经网络的原理40-41
• 4.3 紧致型小波神经网络41-42
• 4.4 松散型小波神经网络42-45
• 4.4.1 松散型小波神经网络原理42-44
• 4.4.2 松散型小波神经网络传动齿轮箱故障诊断流程44-45
• 4.5 松散型小波神经网络的传动齿轮箱信号降噪45-53
• 4.5.1 小波降噪的原理45-46
• 4.5.2 传动齿轮箱信号小波降噪的必要性46-50
• 4.5.3 传动齿轮箱信号小波降噪过程50-53
• 4.6 松散型小波神经网络的传动齿轮箱信号频带分析53-57
• 4.6.1 信号频带分析原理53-54
• 4.6.2 传动齿轮箱信号频带分析54-57
• 4.7 小结57-58
• 第5章 基于小波神经网络的传动齿轮箱故障诊断数字仿真58-72
• 5.1 传动齿轮箱故障诊断的特性58-59
• 5.2 常规故障诊断方法仿真比较59-63
• 5.3 传动齿轮箱故障特征向量的提取63-66
• 5.4 小波神经网络传动齿轮箱故障诊断仿真66-71
• 5.4.1 小波神经网络设计66-69
• 5.4.2 小波神经网络故障诊断结果69-71
• 5.5 小结71-72
• 第6章 传动齿轮箱故障诊断系统实现研究72-87
• 6.1 开发工具选择72-73
• 6.2 系统需求分析73-75
• 6.3 诊断系统的功能子系统75-82
• 6.3.1 系统管理子系统75-76
• 6.3.2 信号分析分析子系统76-77
• 6.3.3 常规故障诊断子系统77-80
• 6.3.4 智能故障诊断子系统80-82
• 6.4 数据库和知识库设计82-85
• 6.4.1 ADO 技术82-83
• 6.4.2 数据库设计83-84
• 6.4.3 知识库设计84-85
• 6.5 小结85-87
• 结论87-88
• 参考文献88-93
• 攻读硕士期间发表的论文和取得的科研成果93-94
• 致谢94

【参考文献】

中国期刊全文数据库 前10条

1 刘胜;江娜;;船舶动力装置冷凝器故障特征提取方法研究[J];船舶工程;2008年02期

2 孙艳梅;刘树东;苗凤娟;陶佰睿;;基于遗传算法的小波神经网络温度补偿模型[J];传感技术学报;2012年01期

3 周厚奎;张昱;金心宇;;基于傅里叶和小波变换的电网谐波分析[J];电力系统及其自动化学报;2005年06期

4 孙建平;朱雯;;基于小波BP-时间序列的齿轮箱温度预警[J];电子测量与仪器学报;2012年03期

5 刘胜;张兰勇;张利军;;基于小波分析的电磁干扰测量技术研究[J];电子与信息学报;2010年05期

6 刘胜;赵红;;遗传算法—模糊聚类动态模糊神经网络辨识[J];哈尔滨工程大学学报;2008年08期

7 朱大奇;人工神经网络研究现状及其展望[J];江南大学学报;2004年01期

8 王龙;沈艳霞;季凌燕;;基于小波降噪和EMD方法的风力发电系统齿轮箱故障诊断[J];江南大学学报(自然科学版);2012年02期

9 梁醒培;王豪;张锴锋;;大型齿轮箱结构分析与结构优化[J];机械设计与制造;2008年01期

10 林近山;;基于EEMD和Hilbert变换的齿轮箱故障诊断[J];机械传动;2010年05期

本文编号：542254