基于局域波与遗传神经网络的齿轮箱故障诊断

发布时间：2017-10-05 20:31

  本文关键词：基于局域波与遗传神经网络的齿轮箱故障诊断

  更多相关文章： 故障诊断 齿轮箱 局域波 遗传神经网络

【摘要】：齿轮箱作为机械传动（系统）的重要组成部分，其运行状况对整台机械的工作性能至关重要。因此，许多信号处理方法及模式识别理论被广泛应用到齿轮箱的状态监测中，以便及时发现故障，进行维护和修理，保证设备正常、安全及可靠的运行。本文在分析齿轮箱故障类型和故障机理的基础上，利用局域波及相关理论对实验测得的齿轮箱振动信号进行了处理并提取了相关的特征向量，最后利用遗传神经网络算法对提取的特征向量进行了分类，实现了齿轮箱故障的诊断。主要的研究内容包括： （1）简要分析和阐述了齿轮箱故障的主要类型及产生的机理，并利用实验装置，采集了齿轮箱在不同故障条件下的振动信号。 （2）本文将局域波方法应用于齿轮箱故障诊断中，对正常，断齿，轴承内外圈故障四种工况信号进行分解，选取信号丰富的IMF分量，对其做功率谱分析，提取特征值，实现了齿轮箱的初步故障诊断。 （3）本文还对实际应用中出现的包络分解法端点效应问题作了分析，并利用端点对称拓展法减小了端点效应对分解的影响。 （4）针对BP神经网络迭代时容易陷入局部最小值的问题，采用遗传算法对其优化，利用遗传算法的全局搜索性对BP神经网络模型中的权值和阈值进行了优化，既克服了BP网络的固有缺点，，减少了迭代次数，又保留了BP神经网络的精准度，两者优势互补。
【关键词】：故障诊断 齿轮箱 局域波 遗传神经网络
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3;TH132.41
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-18
• 1.1 课题研究背景和意义10-11
• 1.1.1 课题研究背景10-11
• 1.1.2 开展齿轮箱故障诊断技术的主要意义11
• 1.2 齿轮箱故障诊断技术的研究内容以及国内外发展现状11-13
• 1.2.1 齿轮箱故障诊断技术的主要研究内容11-12
• 1.2.2 齿轮箱故障诊断发展历史与现状12-13
• 1.3 齿轮故障诊断发展研究趋势13-15
• 1.4 局域波的研究动态15-16
• 1.5 本文研究内容16
• 1.6 本章小结16-18
• 第二章 齿轮箱故障类型及故障机理分析18-29
• 2.1 齿轮箱的主要故障因素及其所占比重18-19
• 2.2 常见的齿轮箱故障形式19-21
• 2.2.1 齿轮的失效形式19-20
• 2.2.2 轴的常见失效形式20
• 2.2.3 轴承发生故障的主要形式20-21
• 2.3 常见的振动信号处理方法21-22
• 2.3.1 振动信号的幅值域分析法21
• 2.3.2 振动信号频域分析方法21-22
• 2.4 振动机理22-28
• 2.4.1 齿轮振动机理分析22-26
• 2.4.2 滚动轴承振动机理分析26-28
• 2.5 本章小结28-29
• 第三章 局域波分解29-42
• 3.1 局域波的引出29-31
• 3.2 局域波分解原理31-36
• 3.2.1 分量提取31-34
• 3.2.2 局部均值求取方法34-36
• 3.3 局域波的仿真效果36-38
• 3.4 端点问题38-41
• 3.5 局域波分解中的终止筛选标准41
• 3.6 本章小结41-42
• 第四章 基于局域波的齿轮箱故障诊断42-60
• 4.1 实验方案42-45
• 4.1.1 实验平台的搭建42-43
• 4.1.2 齿轮箱故障的设置43-44
• 4.1.3 采集设备和方法44-45
• 4.1.4 转速设置45
• 4.2 信号预处理45-49
• 4.2.1 测试数据的选定45-46
• 4.2.2 小波信号降噪46
• 4.2.3 小波消噪的基本原理46-49
• 4.3 工况分析49-59
• 4.3.1 正常工况信号分析49-50
• 4.3.2 断齿工况分析50-53
• 4.3.3 轴承外圈断裂工况分析53-56
• 4.3.4 轴承内圈点蚀故障分析56-59
• 4.4 本章小结59-60
• 第五章 基于遗传神经网络的故障识别60-72
• 5.1 BP 神经网络60-62
• 5.1.1 BP 神经网络原理60
• 5.1.2 BP 网络的模型结构60-61
• 5.1.3 BP 算法的缺点61-62
• 5.2 遗传算法优化神经网络62-65
• 5.2.1 遗传神经网络算法62-63
• 5.2.2 算法的基本思想63-65
• 5.3 建立遗传神经网络模型65-71
• 5.4 本章小结71-72
• 第六章 总结与展望72
• 本文总结72
• 工作展望72-74
• 参考文献74-78
• 攻读硕士学位期间发表的论文78-79
• 致谢79

【参考文献】

中国期刊全文数据库 前9条

1 魏秀业;潘宏侠;;齿轮箱故障诊断技术现状及展望[J];测试技术学报;2006年04期

2 曹林宁;李书明;郑源;;基于模型的水力发电机组复合故障诊断方法[J];电力自动化设备;2009年12期

3 刘小峰;彭永金;李慧;;谐波小波解调法在齿轮箱故障诊断中的应用[J];重庆大学学报;2011年01期

4 周凤星,梁巍,何莉;解调技术在机床故障诊断中的研究与应用[J];计算机测量与控制;2004年12期

5 张敏;;齿轮箱远程故障诊断分析及实验[J];科技视界;2012年03期

6 王凤利;赵德有;;基于提升小波和局域波的故障特征提取[J];仪器仪表学报;2010年04期

7 熊诗波;大型复杂机械系统的状态监测和故障诊断[J];振动.测试与诊断;2000年04期

8 杨先勇;周晓军;张文斌;杨富春;;基于局域波法和KPCA-LSSVM的滚动轴承故障诊断[J];浙江大学学报(工学版);2010年08期

9 何勇,李增芳;智能化故障诊断技术的研究与应用[J];浙江大学学报(农业与生命科学版);2003年02期

中国博士学位论文全文数据库 前3条

1 王凤利;基于局域波法的转子系统非线性动态特性及应用研究[D];大连理工大学;2003年

2 邹岩];局域波分析的理论方法研究及应用[D];大连理工大学;2004年

3 别锋锋;基于局域波时频谱的往复机故障智能诊断方法研究[D];大连理工大学;2008年

中国硕士学位论文全文数据库 前9条

1 赵志福;船舶齿轮箱故障诊断系统研究[D];武汉理工大学;2011年

2 姜兴伟;遗传神经网络在蒸汽发生器故障诊断中的应用研究[D];哈尔滨工程大学;2004年

3 张莹;数控机床机械故障诊断方法的研究及应用[D];大连理工大学;2005年

4 杨柳;高炉炉顶布料溜槽传动齿轮箱故障诊断分析[D];武汉科技大学;2005年

5 唐新安;600KW风力发电机组故障诊断[D];新疆大学;2006年

6 杨玮;多技术融合在齿轮箱故障诊断中的应用[D];兰州理工大学;2007年

7 时轶;风力发电机组振动测试技术研究[D];新疆农业大学;2007年

8 高广华;基于EMD的时频分析方法在机车轴承故障诊断中的应用研究[D];中南大学;2007年

9 高大诚;基于支持向量机的齿轮箱故障诊断系统开发[D];东北大学;2010年

本文编号：978690