本文關(guān)鍵詞：基于粒子濾波和小波神經(jīng)網(wǎng)絡(luò)的齒輪箱智能檢測(cè)方法

  更多相關(guān)文章： 齒輪箱 故障診斷 粒子濾波算法 小波變換 小波神經(jīng)網(wǎng)絡(luò)

【摘要】：齒輪作為齒輪箱中的重要組成零件,它的作用在于改變轉(zhuǎn)速和傳輸動(dòng)力。通常由于齒輪箱中的齒輪及其軸承在長(zhǎng)期負(fù)載運(yùn)轉(zhuǎn)下遭受疲勞磨損的原因,從而導(dǎo)致齒輪箱在機(jī)械設(shè)備中是最容易發(fā)生故障的機(jī)械設(shè)備。因此,對(duì)齒輪箱采取故障診斷與狀態(tài)監(jiān)測(cè)的手段,在機(jī)械設(shè)備正常運(yùn)轉(zhuǎn)中具有舉足輕重的地位。齒輪箱的故障診斷分為兩個(gè)部分:故障特征信號(hào)的提取和故障信號(hào)的診斷分類。故障特征信號(hào)的提取是指通過信號(hào)處理技術(shù)將齒輪箱振動(dòng)信號(hào)的故障特征提取出來。故障信號(hào)的診斷分類是指通過信號(hào)分析技術(shù),識(shí)別齒輪箱的故障特征,以達(dá)到齒輪箱故障診斷的目的。在信號(hào)的降噪濾波方面,小波變換或者小波包變換有著廣泛的應(yīng)用。在提取到的齒輪箱振動(dòng)信號(hào)中,含有大量非高斯、非線性的噪聲信號(hào)。采用小波變換設(shè)定閥值消噪可能會(huì)過濾掉有用信號(hào),導(dǎo)致后續(xù)的故障診斷結(jié)果出現(xiàn)較大的誤差。粒子濾波作為一種信號(hào)處理技術(shù)在濾波降噪方面也具有良好的表現(xiàn),尤其是在處理非高斯非線性系統(tǒng)問題時(shí)該算法的優(yōu)勢(shì)更為突出。但由于粒子濾波算法需采用大量的樣本粒子數(shù)才能很好地近似估計(jì)狀態(tài)系統(tǒng),而過多的樣本粒子數(shù)會(huì)產(chǎn)生預(yù)測(cè)誤差積累效應(yīng),從而導(dǎo)致系統(tǒng)發(fā)散。單一采用上述一種信號(hào)處理技術(shù)可能會(huì)產(chǎn)生濾波效果不明顯或者有用信號(hào)的丟失現(xiàn)象。本文針對(duì)齒輪箱振動(dòng)信號(hào)的非線性、信噪比低等特點(diǎn),首先采用了粒子濾波技術(shù)對(duì)信號(hào)進(jìn)行預(yù)處理。得到了帶有少量噪聲信號(hào)且不失有用信號(hào)的一次濾波信號(hào)。然后將一次濾波信號(hào)通過小波變換并設(shè)定軟閥值進(jìn)行二次消噪,得到最終較為理想的消噪信號(hào)。通過分析最終濾波信號(hào)的信噪比,結(jié)果表明結(jié)合了兩種信號(hào)處理技術(shù)得到的齒輪振動(dòng)信號(hào)即保留了較多的有用信號(hào)又過濾了大量的噪聲信號(hào),減小了消噪誤差,提高了后處理中神經(jīng)網(wǎng)絡(luò)故障分類的成功率。小波神經(jīng)網(wǎng)絡(luò)是一種基于小波變換理論的信號(hào)分析方法。它的時(shí)頻局部化特性和多分辨率特性對(duì)于提取齒輪振動(dòng)信號(hào)的特征信息具有卓越的優(yōu)勢(shì)。本文用小波變換提取了濾波信號(hào)中的能量特征值,這些能量特征值能很好的反應(yīng)出齒輪振動(dòng)信號(hào)的特性,然后建立小波神經(jīng)網(wǎng)絡(luò)模型,進(jìn)行故障狀態(tài)的分類。訓(xùn)練分類后的結(jié)果表明了結(jié)合粒子濾波和小波消噪并利用小波變換提取能量特征值的方法,能夠完成神經(jīng)網(wǎng)絡(luò)的故障分類,達(dá)到了課題研究的目的。
【關(guān)鍵詞】：齒輪箱 故障診斷 粒子濾波算法 小波變換 小波神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：武漢工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TH132.41
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 第1章 緒論12-18
• 1.1 課題研究的背景及意義12-13
• 1.2 齒輪箱的故障診斷13
• 1.3 齒輪箱振動(dòng)信號(hào)的提取及其信號(hào)分析13-15
• 1.3.1 粒子濾波的發(fā)展概述及其存在的主要問題13-15
• 1.3.2 小波變換與小波神經(jīng)網(wǎng)絡(luò)15
• 1.4 本文研究的內(nèi)容及主要思想15-18
• 第2章 采集齒輪箱振動(dòng)信號(hào)的實(shí)驗(yàn)設(shè)計(jì)18-28
• 2.1 實(shí)驗(yàn)臺(tái)的搭建18-19
• 2.2 實(shí)驗(yàn)用齒輪箱齒輪的介紹19-20
• 2.3 缺陷齒輪的設(shè)定20-21
• 2.4 設(shè)定齒輪缺陷的等級(jí)21-22
• 2.5 齒輪箱載荷和轉(zhuǎn)速的選取22-24
• 2.6 設(shè)置實(shí)驗(yàn)采樣頻率和采樣時(shí)間24-25
• 2.7 實(shí)驗(yàn)設(shè)計(jì)步驟25-26
• 2.8 本章小結(jié)26-28
• 第3章 粒子濾波去噪算法的研究28-44
• 3.1 粒子濾波基本原理28-31
• 3.1.1 貝葉斯濾波基本理論28-30
• 3.1.2 蒙特卡洛方法30-31
• 3.2 粒子濾波算法31-36
• 3.2.1 序貫重要性采樣31-33
• 3.2.2 序貫重要性重采樣33-35
• 3.2.2.1 選取重要性密度函數(shù)33-34
• 3.2.2.2 重采樣34-35
• 3.2.3 標(biāo)準(zhǔn)粒子濾波算法35-36
• 3.3 粒子濾波算法在信號(hào)處理中的運(yùn)用36-42
• 3.3.1 粒子濾波的降噪原理36
• 3.3.2 狀態(tài)模型的建立及粒子濾波相關(guān)參數(shù)設(shè)置36-38
• 3.3.3 振動(dòng)信號(hào)的濾波結(jié)果38-42
• 3.4 粒子濾波算法的相關(guān)缺陷42
• 3.5 本章小結(jié)42-44
• 第4章 小波變換理論及其在振動(dòng)信號(hào)中的運(yùn)用44-58
• 4.1 小波變換基本理論44-47
• 4.1.1 傅立葉變換44-45
• 4.1.2 基小波與小波函數(shù)45-46
• 4.1.3 連續(xù)小波變換與離散小波變換46-47
• 4.2 小波消噪基礎(chǔ)理論47-48
• 4.3 小波消噪在齒輪箱振動(dòng)信號(hào)中的應(yīng)用48-55
• 4.4 振動(dòng)信號(hào)的特征提取55-57
• 4.5 本章小結(jié)57-58
• 第5章 小波神經(jīng)網(wǎng)絡(luò)的故障狀態(tài)分類58-66
• 5.1 小波神經(jīng)網(wǎng)絡(luò)基本理論58-62
• 5.1.1 網(wǎng)絡(luò)模型的建立58-60
• 5.1.2 隱含層單元數(shù)的確定60
• 5.1.3 小波神經(jīng)網(wǎng)絡(luò)BP算法60-62
• 5.2 特征能量歸一化62-63
• 5.3 故障狀態(tài)分類63-64
• 5.4 本章小結(jié)64-66
• 第6章 總結(jié)與展望66-68
• 6.1 本文研究工作總結(jié)66
• 6.2 對(duì)本研究工作的展望66-68
• 參考文獻(xiàn)68-74
• 攻讀碩士期間已發(fā)表的論文74-76
• 致謝76

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 許雪貴;徐文琴;;齒輪箱故障的振動(dòng)機(jī)理與故障特征研究[J];機(jī)械制造與自動(dòng)化;2012年04期

2 洪琳;李春華;;小波分析在信號(hào)處理中的應(yīng)用研究[J];機(jī)械制造與自動(dòng)化;2012年03期

3 魯艷軍;陳漢新;賀文杰;尚云飛;陳緒兵;;基于混合特征提取和WNN的齒輪箱故障診斷[J];武漢工程大學(xué)學(xué)報(bào);2011年05期

4 馬明;;基于譜減法和小波閾值分解的聯(lián)合消噪算法研究[J];無線互聯(lián)科技;2011年03期

5 吳海霞;劉潞鋒;;蒙特卡羅方法在實(shí)際問題中的應(yīng)用[J];太原師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年01期

6 梁軍;彭喜元;;基于觀測(cè)相似性粒子濾波的純角度目標(biāo)跟蹤[J];電子測(cè)量與儀器學(xué)報(bào);2009年02期

7 程水英;張劍云;;粒子濾波評(píng)述[J];宇航學(xué)報(bào);2008年04期

8 張琪;胡昌華;喬玉坤;;基于權(quán)值選擇的粒子濾波算法研究[J];控制與決策;2008年01期

9 馬道鈞;劉然;;小波變換在語音識(shí)別中的應(yīng)用研究[J];北京電子科技學(xué)院學(xué)報(bào);2007年02期

10 方正;佟國(guó)峰;徐心和;;粒子群優(yōu)化粒子濾波方法[J];控制與決策;2007年03期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 梁軍;粒子濾波算法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 張琰;基于粒子群算法和小波理論的機(jī)械故障診斷[D];武漢工程大學(xué);2013年

2 李桃;基于粒子濾波技術(shù)的齒輪箱故障診斷研究[D];中北大學(xué);2012年

3 陳莉;粒子濾波算法的研究[D];西安電子科技大學(xué);2012年

4 李孟敏;改進(jìn)粒子濾波算法及其在目標(biāo)跟蹤中應(yīng)用研究[D];合肥工業(yè)大學(xué);2011年

5 高靜;一種改進(jìn)的粒子濾波算法研究及應(yīng)用[D];延邊大學(xué);2010年

6 汪澤民;齒輪及滾動(dòng)軸承故障特征分離方法的研究[D];太原理工大學(xué);2010年

7 黃蘇雨;基于小波變換的語音信號(hào)增強(qiáng)方法研究[D];南昌大學(xué);2007年

8 曾鋒;遠(yuǎn)程設(shè)備故障診斷技術(shù)研究[D];鄭州大學(xué);2002年

，

本文編號(hào)：895625