機械系統(tǒng)規(guī)模的擴大與數(shù)據(jù)采集系統(tǒng)性能的提升使得傳統(tǒng)故障診斷技術難以滿足“大數(shù)據(jù)”時代的診斷需求。而深度學習技術的突破,使數(shù)據(jù)驅動模型為故障實時監(jiān)測與診斷課題開拓了新的思路。論文主要研究了行星齒輪箱的故障特征提取方法,結合深度學習技術,提出了一種行星齒輪箱智能實時故障診斷方法。本文的具體研究工作如下所示:（1）研究了行星齒輪箱典型故障的特征與形成原理,針對行星齒輪箱常見的工況以及故障形式,研究了轉子試驗臺設計原理,設計并搭建了可應對多種齒輪箱故障試驗的轉子故障試驗臺,加入了模塊化設計思維,使設計完成試驗臺具有多功能模塊化的優(yōu)勢。另對傳動軸進行了固有特性分析,以保證試驗臺安全穩(wěn)定運行。（2）研究了滾動軸承振動信號的非線性、非平穩(wěn)、多分量特征,分析了多重去趨勢波動分析在提取滾動軸承故障特征時存在的問題,并引入極值增量序列,研究了多重超階分析方法。經試驗驗證所研究的新方法克服了原有方法的缺陷,可以提取出對故障狀態(tài)變化更敏銳,區(qū)分度更好的故障特征參數(shù)。（3）研究了GRU結構的循環(huán)神經網(wǎng)絡模型,針對行星齒輪箱實時故障診斷問題,利用其處理任意常度序列信號的能力,提出了一種新的智能實時診斷方法。在訓練... 

【文章來源】：南京航空航天大學江蘇省 211工程院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

THS-II系統(tǒng)結構圖

圖 2.1 調速電機實物圖選用 4C2-50V32 型四缸柴油發(fā)動機如圖 2.2，其參數(shù)如表 2.2 所示。表 2.2 柴油發(fā)動機參數(shù)名稱 參數(shù)缸數(shù) 4缸徑*行程（mm） 90*105排量（L） 2.67標定功率/轉速（kw/rpm） 36.8/2500最大扭矩/轉速（Nm/rpm） 157/1800最高轉速(rpm) 2630進氣方式 自然吸氣供油方式 電動 EV 泵

圖 2.1 調速電機實物圖C2-50V32 型四缸柴油發(fā)動機如圖 2.2，其參數(shù)如表 2.2 所表 2.2 柴油發(fā)動機參數(shù)名稱 參數(shù)缸數(shù) 4缸徑*行程（mm） 90*105排量（L） 2.67標定功率/轉速（kw/rpm） 36.8/2500最大扭矩/轉速（Nm/rpm） 157/1800最高轉速(rpm) 2630進氣方式 自然吸氣供油方式 電動 EV 泵

【參考文獻】：
期刊論文
[1]多功能模塊化發(fā)動機-轉子振動試驗臺的設計[J]. 朱彥祺,李舜酩,杜華蓉,潘高元.  實驗室研究與探索. 2018(10)
[2]大數(shù)據(jù)下機械智能故障診斷的機遇與挑戰(zhàn)[J]. 雷亞國,賈峰,孔德同,林京,邢賽博.  機械工程學報. 2018(05)
[3]深度學習在故障診斷領域中的研究現(xiàn)狀與挑戰(zhàn)[J]. 任浩,屈劍鋒,柴毅,唐秋,葉欣.  控制與決策. 2017(08)
[4]基于稀疏自動編碼深度神經網(wǎng)絡的感應電動機故障診斷[J]. 孫文珺,邵思羽,嚴如強.  機械工程學報. 2016(09)
[5]泵車排量檢測的極值增量DFA方法[J]. 江星星,李舜酩,李世勛,王勇,程春.  振動.測試與診斷. 2016(02)
[6]基于多重分形去趨勢互相關分析的齒輪箱故障診斷[J]. 林近山,竇春紅,張妮.  機械傳動. 2016(01)
[7]轉子扭振與故障模擬多功能試驗臺設計[J]. 張希,靜波,李富才.  噪聲與振動控制. 2015(06)
[8]智能制造——“中國制造2025”的主攻方向[J]. 周濟.  中國機械工程. 2015(17)
[9]基于MF-DFA與PSO優(yōu)化LSSVM的滾動軸承故障診斷方法[J]. 熊慶,張衛(wèi)華.  振動與沖擊. 2015(11)
[10]基于稀疏編碼的振動信號特征提取算法與實驗研究[J]. 苗中華,周廣興,劉海寧,劉成良.  振動與沖擊. 2014(15)

博士論文
[1]齒輪箱關鍵部件非平穩(wěn)振動信號分析及診斷方法研究[D]. 江星星.南京航空航天大學 2016
[2]城市軌道交通車輛走行部安全評估方法研究[D]. 李熙.北京交通大學 2011



本文編號：3016496