破碎機(jī)械廣泛應(yīng)用于各工業(yè)領(lǐng)域的散料處理系統(tǒng)中,屬于散料處理系統(tǒng)中的重要設(shè)備。破碎機(jī)械破碎物料過中,有沖擊、磨損等故障發(fā)生,由于故障的復(fù)雜性以及部件運(yùn)動(dòng)形式的多樣性,因?yàn)槠扑闄C(jī)械是重載沖擊類的機(jī)械設(shè)備,實(shí)際生產(chǎn)中故障率高且維修工期長(zhǎng)。隨著機(jī)械故障診斷技術(shù)的飛速發(fā)屬,破碎機(jī)械急需專業(yè)化、性能可靠、確診率高、智能化的智能診斷系統(tǒng),以減少人工主觀判斷故障的誤差及減少對(duì)專業(yè)技術(shù)人員的需求。因此,建立可靠的專用性智能診斷系統(tǒng),保證破碎機(jī)械平穩(wěn)運(yùn)行,對(duì)于各工業(yè)領(lǐng)域的散料處理系統(tǒng)具有重要的現(xiàn)實(shí)意義。機(jī)械故障智能診斷過程主要包括三個(gè)步驟:振動(dòng)信號(hào)的采集及分析,對(duì)振動(dòng)特征信息的提取,分析故障機(jī)理,由故障機(jī)理的振動(dòng)特征值對(duì)故障進(jìn)行模式識(shí)別。整個(gè)過程中的振動(dòng)信號(hào)采集是基礎(chǔ),特征提取是關(guān)鍵,將直接影響模式識(shí)別的準(zhǔn)確性和可靠性,故障模式識(shí)別是結(jié)果。本文以破碎機(jī)械為研究對(duì)象,分析破碎機(jī)械的結(jié)構(gòu),研究破碎機(jī)械的故障機(jī)理及故障特征。通過采集幾類常見的破碎機(jī)械的故障樣本,對(duì)樣本進(jìn)行幅域信號(hào)、時(shí)域信號(hào)、頻域信號(hào)等分析,在信號(hào)處理后進(jìn)行特征提取,利用改進(jìn)BP神經(jīng)網(wǎng)絡(luò),確定神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法,通過采集的樣本對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,從... 

【文章來(lái)源】：黑龍江大學(xué)黑龍江省

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
abstract
第1章 緒論
    1.1 課題研究的目的、背景和意義
    1.2 國(guó)內(nèi)外故障診斷的研究現(xiàn)狀
        1.2.1 國(guó)外破碎機(jī)械的故障診斷研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)破碎機(jī)械的故障診斷研究現(xiàn)狀
    1.3 關(guān)鍵技術(shù)
    1.4 本文主要章節(jié)內(nèi)容與結(jié)構(gòu)
第2章 信號(hào)采集、分析與神經(jīng)網(wǎng)絡(luò)
    2.1 破碎機(jī)械的系統(tǒng)
        2.1.1 振動(dòng)系統(tǒng)
        2.1.2 振動(dòng)相關(guān)參數(shù)
        2.1.3 轉(zhuǎn)子系統(tǒng)模型
    2.2 信號(hào)采集及故障檢測(cè)
        2.2.1 信號(hào)分類及采樣定理
        2.2.2 信號(hào)檢測(cè)和采集
    2.3 信號(hào)的分析及其數(shù)據(jù)圖
        2.3.1 幅值分析
        2.3.2 時(shí)域分析
        2.3.3 頻域分析
        2.3.4 信號(hào)數(shù)據(jù)圖
    2.4 基于神經(jīng)網(wǎng)絡(luò)的故障診斷
        2.4.1 智能診斷理論
        2.4.2 神經(jīng)網(wǎng)絡(luò)構(gòu)成
        2.4.3 bp神經(jīng)網(wǎng)絡(luò)
    2.5 本章小結(jié)
第3章 破碎機(jī)械故障的特征分析及算法
    3.1 破碎機(jī)械的結(jié)構(gòu)和主要參數(shù)
        3.1.1 破碎機(jī)械的結(jié)構(gòu)
        3.1.2 破碎機(jī)械的主要參數(shù)
    3.2 破碎機(jī)械常見故障類別及其故障特征
        3.2.1 不平衡的故障特征
        3.2.2 不對(duì)中的故障特征
        3.2.3 轉(zhuǎn)軸裂紋的故障特征
        3.2.4 配合過盈不足的故障特征
        3.2.5 支承松動(dòng)的故障特征
    3.3 信號(hào)檢測(cè)及特征分析
        3.3.1 信號(hào)的采集和預(yù)處理
        3.3.2 信號(hào)的幅值分析
        3.3.3 信號(hào)的時(shí)域分析
        3.3.4 信號(hào)的頻域分析
    3.4 改進(jìn)算法及神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)流程
        3.4.1 bp神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法
        3.4.2 改進(jìn)學(xué)習(xí)過程流程圖和步驟
    3.5 本章小結(jié)
第4章 破碎機(jī)械智能診斷系統(tǒng)及測(cè)試
    4.1 系統(tǒng)的總體設(shè)計(jì)和診斷過程
        4.1.1 總體設(shè)計(jì)
        4.1.2 診斷過程
    4.2 轉(zhuǎn)子試驗(yàn)臺(tái)及采集系統(tǒng)
        4.2.1 轉(zhuǎn)子試驗(yàn)臺(tái)
        4.2.2 硬件選擇及布置
        4.2.3 采集方案
    4.3 智能診斷系統(tǒng)
        4.3.1 神經(jīng)網(wǎng)絡(luò)模型
        4.3.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練
    4.4 系統(tǒng)測(cè)試
    4.5 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表論文


【參考文獻(xiàn)】：
期刊論文
[1]基于CEEMDAN與奇異值分解的往復(fù)機(jī)械故障診斷方法研究[J]. 別鋒鋒,徐鵬青,裴峻峰,張仕佳.  噪聲與振動(dòng)控制. 2018(04)
[2]基于EEMD降噪和FFT的轉(zhuǎn)子故障振動(dòng)分析[J]. 馬轉(zhuǎn)霞,費(fèi)維科,周新濤,劉濤.  噪聲與振動(dòng)控制. 2018(04)
[3]基于核極限學(xué)習(xí)機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法[J]. 王普,溫崢,高學(xué)金,溫?zé)ㄈ?  噪聲與振動(dòng)控制. 2018(02)
[4]基于BP神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法的汽輪發(fā)電機(jī)組故障診斷[J]. 馬路林,姚剛.  上海電力學(xué)院學(xué)報(bào). 2017(04)
[5]基于模糊神經(jīng)網(wǎng)絡(luò)的智能故障診斷專家系統(tǒng)[J]. 司景萍,馬繼昌,牛家驊,王二毛.  振動(dòng)與沖擊. 2017(04)
[6]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[7]FCM方法和SVM方法在燃料電池故障診斷模式識(shí)別中的對(duì)比研究[J]. 周蘇,楊鎧,胡哲.  機(jī)電一體化. 2016(05)
[8]無(wú)線傳感器網(wǎng)絡(luò)多級(jí)融合的機(jī)械故障診斷方法[J]. 湯寶平,鄧兵,鄧?yán)?顏丙生.  振動(dòng).測(cè)試與診斷. 2016(01)
[9]S變換用于滾動(dòng)軸承故障信號(hào)沖擊特征提取[J]. 郭遠(yuǎn)晶,魏燕定,周曉軍,傅雷.  振動(dòng).測(cè)試與診斷. 2014(05)
[10]基于經(jīng)驗(yàn)?zāi)B(tài)分解的旋轉(zhuǎn)機(jī)械故障信號(hào)去噪源分離[J]. 王元生,任興民,鄧旺群,楊永鋒.  西北工業(yè)大學(xué)學(xué)報(bào). 2013(02)

博士論文
[1]基于復(fù)合網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的懸臂式掘進(jìn)機(jī)故障診斷方法[D]. 尹同舟.中國(guó)礦業(yè)大學(xué)(北京) 2017

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷算法研究[D]. 張偉.哈爾濱工業(yè)大學(xué) 2017
[2]全局與局部特征信息融合的旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)集降維方法研究[D]. 趙孝禮.蘭州理工大學(xué) 2017
[3]基于數(shù)據(jù)流的汽輪機(jī)組故障智能診斷系統(tǒng)的研究[D]. 程維華.浙江大學(xué) 2017
[4]基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的WSN智能故障診斷研究[D]. 周奚.南京航空航天大學(xué) 2017
[5]滾動(dòng)軸承故障程度和工況不敏感智能診斷方法研究[D]. 張磊.華東交通大學(xué) 2016
[6]基于布谷鳥搜索算法的神經(jīng)網(wǎng)絡(luò)在抽油機(jī)故障診斷中的應(yīng)用[D]. 田野岑.東北石油大學(xué) 2016
[7]光電式動(dòng)態(tài)扭矩測(cè)量系統(tǒng)的設(shè)計(jì)與實(shí)驗(yàn)[D]. 王輝.燕山大學(xué) 2010



本文編號(hào)：3181350