基于BP神经网络的抽油机齿轮箱故障识别系统研究

发布时间：2021-03-14 09:16

　　抽油机作为石油生产行业中最常见的传动设备,其工况的正常与否直接影响到油田生产安全及效益。而齿轮箱属于抽油机地上部分的核心组成,是集电气、机械、传动等专业于一身的复杂装备,同时也是故障率较高的易损耗器件,因此以抽油机齿轮箱为研究对象,以大庆油田第四采油厂生产准备大队抽油机大修车间试验平台为基础,展开齿轮箱内齿轮和滚动轴承的故障类型识别与诊断研究工作,实现故障的准确识别。本文通过采集齿轮箱故障振动信息,主要研究了齿轮箱故障诊断过程中所涉及的信号消噪预处理、特征提取、故障类型识别等关键技术,通过大量的测试验证,在小波包算法及BP神经网络的基础上,实现故障类型的准确识别,并利用LabVIEW技术构建抽油机齿轮箱故障诊断系统,该系统具有较好的实用性,能够满足生产过程中的检修要求。本文从故障机理及信号处理为出发点,进行了大量相关研究工作,主要内容如下:（1）首先阐述了抽油机齿轮箱内部结构,在此基础上深入剖析了齿轮和滚动轴承的典型故障类别及表现形式。同时,明确齿轮和滚动轴承的振动机理及相应的故障特征信息,并以此为理论依据,确立了解决齿轮箱故障诊断问题的研究思路。（2）针对抽油机齿轮箱的故障特征提取问... 

【文章来源】：东北石油大学黑龙江省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

单级圆柱齿轮齿轮箱结构图

齿轮的基本参数

齿轮箱故障模拟试验平台

【参考文献】：
期刊论文
[1]滚动轴承不同损伤程度振动特征实验研究[J]. 胡明辉,左彦飞,王浩,张文海,贺雅.  现代制造工程. 2019(02)
[2]基于改进型深度网络数据融合的滚动轴承故障识别[J]. 冯新扬,张巧荣,李庆勇.  重庆大学学报. 2019(02)
[3]一种BP神经网络的汽车齿轮箱故障诊断方法及实验验证[J]. 杨家印.  机械传动. 2019(01)
[4]频谱分析法在齿轮故障诊断中的应用[J]. 潘林.  石油化工设备技术. 2019(01)
[5]BP神经网络技术在滚动轴承故障诊断中的应用研究[J]. 曹智军.  煤矿机械. 2019(01)
[6]基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法[J]. 王栋璀,丁云飞,朱晨烜,孙佳林.  电机与控制应用. 2019(01)
[7]基于小波变换与奇异值分解的滚动轴承故障诊断[J]. 刘鲲鹏,苏涛,白云川,吕麒鹏,郑建波.  内燃机与配件. 2018(24)
[8]基于VMD的滚动轴承早期故障诊断方法[J]. 昝涛,庞兆亮,王民,高相胜.  北京工业大学学报. 2019(02)
[9]基于傅里叶分解方法的风电齿轮箱故障诊断[J]. 林近山,窦春红,赵光胜,尹建华.  机械传动. 2018(11)
[10]改进经验小波变换的齿轮箱故障诊断新方法与应用[J]. 王昌明,张征,李峰,鲁聪达.  噪声与振动控制. 2018(05)

博士论文
[1]齿轮箱振动特性分析与智能故障诊断方法研究[D]. 何俊.浙江大学 2018
[2]抽油机齿轮箱故障诊断系统的研究[D]. 王金玉.东北石油大学 2015

硕士论文
[1]基于卷积神经网络的轴承故障诊断算法研究[D]. 张伟.哈尔滨工业大学 2017
[2]基于神经网络的过程工业故障诊断方法研究[D]. 谭莉.西南科技大学 2017
[3]形态学神经网络在齿轮箱故障诊断中的应用研究[D]. 孙作佩.华中科技大学 2016
[4]风力发电机齿轮箱振动信号特征提取及故障诊断方法研究[D]. 周峰.燕山大学 2015
[5]基于时频综合特征提取与BP神经网络的齿轮箱故障诊断研究[D]. 刘迎各.中北大学 2015
[6]基于神经网络的齿轮箱故障诊断研究[D]. 李国明.河北工业大学 2015
[7]基于波谱模式的齿轮箱故障智能诊断[D]. 兰中富.华北电力大学 2014
[8]基于小波分析的齿轮箱故障诊断技术研究[D]. 熊施园.中南大学 2013
[9]基于小波分析的齿轮箱故障诊断技术的分析与研究[D]. 周亮.武汉科技大学 2009
[10]基于时、频域—小波分析和神经网络方法的齿轮箱故障诊断研究[D]. 时建峰.太原理工大学 2008



本文编号：3081895