隨著機(jī)械設(shè)備復(fù)雜程度和自動化水平的提高,機(jī)械設(shè)備故障診斷的重要性日益顯著,而選擇合適的診斷方法和系統(tǒng)對于診斷結(jié)果是否精確就顯得更為重要。由于調(diào)制現(xiàn)象廣泛存在于齒輪箱的振動信號中,就需要尋求有效的解調(diào)方法。在智能診斷系統(tǒng)中,人工神經(jīng)網(wǎng)絡(luò)模仿人腦的物理結(jié)構(gòu),以其強(qiáng)大的并行運(yùn)算和聯(lián)想能力非常適合于機(jī)械設(shè)備故障診斷。為了提取早期數(shù)據(jù)的故障信息,更有效地對設(shè)備進(jìn)行故障診斷,本文提出了基于解調(diào)分析和BP網(wǎng)絡(luò)的齒輪箱智能診斷技術(shù)研究。 本文主要研究了時(shí)域診斷參數(shù)在故障發(fā)展中的趨勢分析,解調(diào)方法提取早期故障特征,基于混合推理和BP神經(jīng)網(wǎng)絡(luò)技術(shù)的智能診斷系統(tǒng)設(shè)計(jì)等。其中包括軸承實(shí)驗(yàn)臺數(shù)據(jù)分析,現(xiàn)場齒輪打齒數(shù)據(jù)分析等。針對各種軸承狀態(tài),進(jìn)行診斷指標(biāo)統(tǒng)計(jì);通過解調(diào)分析和基于EMD分解的方法等來補(bǔ)充傳統(tǒng)的頻譜分析對各時(shí)期的故障特征進(jìn)行提取;這些信號分析方法的一些診斷參數(shù)也作為輸入向量進(jìn)行BP網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練;研究了人工神經(jīng)網(wǎng)絡(luò)的基本原理、模型結(jié)構(gòu)和算法,針對齒輪箱的典型故障特征,確定了適合故障診斷的神經(jīng)網(wǎng)絡(luò)的模型,并對現(xiàn)場發(fā)生的故障進(jìn)行分析與診斷,證明網(wǎng)絡(luò)可以大大提高故障診斷的準(zhǔn)確度。神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用豐富齒輪箱智能診斷系統(tǒng)的功能。總體上是在案例推理和規(guī)則推理的基礎(chǔ)上再結(jié)合BP神經(jīng)網(wǎng)絡(luò)技術(shù),使智能診斷系統(tǒng)更加有效地進(jìn)行智能診斷。
【學(xué)位單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2009
【中圖分類】：TH132.41
【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 本課題的研究背景和意義
    1.2 本課題的研究現(xiàn)狀
        1.2.1 設(shè)備故障診斷的研究現(xiàn)狀
        1.2.2 智能診斷方法和系統(tǒng)的研究現(xiàn)狀
        1.2.3 神經(jīng)網(wǎng)絡(luò)的發(fā)展及其優(yōu)缺點(diǎn)
    1.3 本課題的研究內(nèi)容
第2章 齒輪箱典型故障沖擊特征的辨識與分析
    2.1高線軋機(jī)齒輪箱結(jié)構(gòu)特征及其振動特性
    2.2 齒輪箱故障診斷振動信號分析及實(shí)例
        2.2.1 診斷的時(shí)域與頻域指標(biāo)及診斷實(shí)例
        2.2.2 軸承特征向量提取實(shí)例
    2.3 早期故障數(shù)據(jù)解調(diào)分析方法的研究
        2.3.1 希爾伯特包絡(luò)解調(diào)理論
        2.3.2 實(shí)際故障案例解調(diào)分析
    2.4 本章小結(jié)
第3章 EMD解調(diào)參數(shù)在齒輪箱故障診斷中的運(yùn)用
    3.1 經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）方法的原理
        3.1.1 應(yīng)用背景
        3.1.2 固有模態(tài)函數(shù)
        3.1.3 經(jīng)驗(yàn)?zāi)Ｊ椒纸?br>    3.2 經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）包絡(luò)分析的特點(diǎn)及其應(yīng)用
        3.2.1 基于EMD的包絡(luò)分析的特點(diǎn)
        3.2.2 早期數(shù)據(jù)分析的兩個(gè)實(shí)例
    3.3 本章小結(jié)
第4章 齒輪箱神經(jīng)網(wǎng)絡(luò)推理模型的建立與分析
    4.1 神經(jīng)網(wǎng)絡(luò)概述
        4.1.1 神經(jīng)網(wǎng)絡(luò)的構(gòu)成
        4.1.2 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法及其優(yōu)點(diǎn)
        4.1.3 BP神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用概況
    4.1 BP神經(jīng)網(wǎng)絡(luò)及其用于模式識別研究或故障診斷的方法
        4.2.1 BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)
        4.2.2 Bp神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
    4.3 Bp神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用
        4.3.1 基于時(shí)域指標(biāo)的實(shí)驗(yàn)數(shù)據(jù)分析
        4.3.2 基于EMD的現(xiàn)場數(shù)據(jù)分析
    4.4 本章小結(jié)
第5章 基于混合推理和神經(jīng)網(wǎng)絡(luò)的智能診斷系統(tǒng)
    5.1 基于知識推理和案例推理的智能系統(tǒng)
        5.1.1 軋機(jī)齒輪箱智能診斷系統(tǒng)總體設(shè)計(jì)
        5.1.2 軋機(jī)齒輪箱智能診斷系統(tǒng)主要模塊
        5.1.3 智能診斷系統(tǒng)運(yùn)行實(shí)例
    5.2 集成式專家系統(tǒng)的實(shí)現(xiàn)
        5.2.1 神經(jīng)網(wǎng)絡(luò)在齒輪箱智能診斷系統(tǒng)中的設(shè)計(jì)方案一
        5.2.2 神經(jīng)網(wǎng)絡(luò)在齒輪箱智能診斷系統(tǒng)中的設(shè)計(jì)方案二
        5.2.3 智能診斷系統(tǒng)整體性優(yōu)化方案
    5.3 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士期間的成果及論文
致謝

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳逸華;寶鋼1420軋機(jī)主傳動齒輪箱的研制[J];機(jī)械制造與自動化;1999年02期

2 龔雯;基于模糊理論的機(jī)械加工誤差源智能診斷方法研究[J];組合機(jī)床與自動化加工技術(shù);2003年09期

3 邱天高,趙志高,黃其柏;基于頻譜分析的齒輪箱噪聲源診斷[J];機(jī)械傳動;2004年01期

4 金洪星,胡平;腦電圖檢測和智能診斷系統(tǒng)的研究[J];南京工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

5 黃富瑄;;液壓系統(tǒng)故障診斷方法綜述[J];液壓與氣動;2006年01期

6 施宇;霍春寶;毛亮;;基于模糊神經(jīng)網(wǎng)絡(luò)的腹痛疾病診斷系統(tǒng)的研究[J];遼寧工學(xué)院學(xué)報(bào);2007年01期

7 于杰棟;王宏偉;武寶喜;皇甫雅志;裴學(xué)智;;鐵譜分析技術(shù)在齒輪箱故障診斷中的應(yīng)用[J];設(shè)備管理與維修;2007年07期

8 宋慶華;;淺論齒輪箱中零部件的常見失效形式[J];科學(xué)大眾;2008年10期

9 雷逢春;;皮帶運(yùn)輸機(jī)故障智能診斷系統(tǒng)研究[J];科技創(chuàng)新導(dǎo)報(bào);2010年22期

10 王曙;劉紅星;白志平;李馬;王正祥;鄭維軍;;齒輪箱滾動軸承振動診斷的難點(diǎn)與對策[J];中國設(shè)備工程;2011年04期

相關(guān)博士學(xué)位論文 前10條

1 徐向陽;柔性銷軸式風(fēng)電齒輪箱動力學(xué)研究[D];重慶大學(xué);2012年

2 胡邦喜;基于信息化的現(xiàn)代大型企業(yè)設(shè)備管理理論與方法研究[D];武漢理工大學(xué);2007年

3 劉義艷;結(jié)構(gòu)健康監(jiān)測與智能診斷技術(shù)研究[D];長安大學(xué);2010年

4 傅瑜;小波分析在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[D];西安電子科技大學(xué);1998年

5 許明;錨固系統(tǒng)質(zhì)量的無損檢測與智能診斷技術(shù)研究[D];重慶大學(xué);2002年

6 丁克北;離心壓縮機(jī)組振動智能診斷關(guān)鍵技術(shù)研究[D];大慶石油學(xué)院;2005年

7 白廣來;船舶柴油機(jī)智能監(jiān)測與智能診斷的研究[D];大連海事大學(xué);2003年

8 王新晴;齒輪箱不解體診斷技術(shù)研究[D];天津大學(xué);1998年

9 張蔚波;基于子系統(tǒng)分析的多維耦合系統(tǒng)功率流傳遞特性研究[D];山東大學(xué);2003年

10 王文銘;基于數(shù)據(jù)倉庫的礦山企業(yè)信息系統(tǒng)及其應(yīng)用研究[D];東北大學(xué);2000年

相關(guān)碩士學(xué)位論文 前10條

1 張亮;風(fēng)力發(fā)電機(jī)組齒輪箱早期故障診斷方法研究[D];大連理工大學(xué);2010年

2 陳晗霄;基于虛擬儀器的大型高速齒輪箱故障診斷系統(tǒng)研究[D];電子科技大學(xué);2010年

3 薛顯光;某船用齒輪箱的動態(tài)特性分析和優(yōu)化研究[D];重慶理工大學(xué);2010年

4 付松;關(guān)于風(fēng)電機(jī)齒輪箱傳動系統(tǒng)振動特性的分析研究[D];新疆大學(xué);2011年

5 許琦;大型風(fēng)力發(fā)電機(jī)齒輪箱動力學(xué)分析[D];沈陽工業(yè)大學(xué);2011年

6 張捷;基于神經(jīng)網(wǎng)絡(luò)的齒輪箱智能故障診斷技術(shù)的研究[D];江蘇大學(xué);2003年

7 楊紹波;兆瓦級以上風(fēng)電齒輪箱傳動系統(tǒng)的結(jié)構(gòu)與性能研究[D];西華大學(xué);2011年

8 祝儒德;風(fēng)機(jī)齒輪箱監(jiān)測診斷系統(tǒng)的研究與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2010年

9 羅家元;齒輪箱系統(tǒng)耦合動態(tài)特性研究[D];重慶大學(xué);2004年

10 邢鈞;基于小波分析的齒輪箱故障診斷技術(shù)的研究和應(yīng)用[D];北京工業(yè)大學(xué);2002年

本文編號：2866574