本文關鍵詞：基于數(shù)據(jù)挖掘技術在齒輪箱故障診斷的應用

  更多相關文章： 齒輪箱 故障診斷 數(shù)據(jù)挖掘 粗糙決策樹

【摘要】：齒輪傳動是機械設備中最常見的傳動方式,齒輪異常又是引起機器故障的重要原因。在當今社會中計算機在各企業(yè)生產(chǎn)中應用越來越來廣泛,這對于目前各企業(yè)當中自動化程度很高的復雜設備的運行數(shù)據(jù)的記錄處理有很大的幫助。但是設備越復雜和高端,其數(shù)據(jù)越是龐大。把計算機中的數(shù)據(jù)挖掘技術應用于設備的遠程故障診斷,將會改善以往傳統(tǒng)診斷方式中的滯后性、高費用和無法預知的現(xiàn)狀。數(shù)據(jù)挖掘技術具有數(shù)據(jù)分析和處理的功能,它的這種智能診斷的優(yōu)點已經(jīng)在各行業(yè)中得到廣泛的推廣和應用。本文首先重點對齒輪箱各零件的故障特征以及特征參數(shù)給予了解釋。然后詳細介紹了幾種特征參數(shù)提取的方法,同時通過齒輪箱振動信號的時域和頻域分析得到齒輪箱故障樣本參數(shù)數(shù)據(jù)庫。這樣在對齒輪箱故障診斷時,通過對齒輪箱診斷的傳統(tǒng)方法和智能方法進行對比。然后從數(shù)據(jù)挖掘技術的概念和特點出發(fā),提出了一種基于數(shù)據(jù)挖掘的故障診斷思想。本文最后重點說明數(shù)據(jù)挖掘分類的方法及其原理,在已有的基礎上利用粗糙集理論對知識的約簡能力和C4.5決策樹算法的快速分類進行結合,并對此系統(tǒng)進行優(yōu)化,然后構建了一種新型的經(jīng)過改進的粗糙集決策樹。最后經(jīng)過仿真對齒輪箱故障樣本進行檢驗表明:首先可以有效地減少特征數(shù)據(jù)獲取的工作量,并能快速準確地對不同的故障進行識別,具有比直接利用決策樹C4.5算法更強的工程實用性。
【關鍵詞】：齒輪箱 故障診斷 數(shù)據(jù)挖掘 粗糙決策樹
【學位授予單位】：河北工程大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TH132.41
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-16
• 1.1 齒輪箱診斷研究背景及意義11
• 1.2 齒輪箱故障診斷發(fā)展現(xiàn)狀11-12
• 1.3 齒輪箱系統(tǒng)故障診斷研究現(xiàn)狀12-13
• 1.4 基于數(shù)據(jù)挖掘的故障診斷技術發(fā)展現(xiàn)狀13-14
• 1.4.1 數(shù)據(jù)挖掘技術的發(fā)展現(xiàn)狀13-14
• 1.4.2 基于數(shù)據(jù)挖掘故障診斷的發(fā)展現(xiàn)狀14
• 1.5 本論文各章節(jié)主要研究內(nèi)容14-15
• 1.6 本章小結15-16
• 第2章 齒輪箱故障分類及其振動機理研究16-33
• 2.1 齒輪箱故障分類及振動機理16-29
• 2.1.1 齒輪故障及振動機理16-23
• 2.1.2 轉(zhuǎn)軸故障及成因23-24
• 2.1.3 軸承故障及成因24-29
• 2.2 齒輪箱故障模型分析29-32
• 2.2.1 齒輪箱調(diào)制模型29-30
• 2.2.2 齒輪箱故障幅值調(diào)制分析30-32
• 2.6 本章小結32-33
• 第3章 齒輪箱故障特征及特征信號提取33-52
• 3.1 齒輪箱故障時頻域特征33-40
• 3.1.1 齒輪均勻磨損33-35
• 3.1.2 齒輪裂紋齒35
• 3.1.3 齒輪斷齒35-37
• 3.1.4 齒面膠合和點蝕37
• 3.1.5 裂紋軸37
• 3.1.6 軸不平衡37
• 3.1.7 軸輕度彎曲37
• 3.1.8 軸承故障37-40
• 3.2 齒輪箱故障信號采集與特征提取40-51
• 3.2.1 齒輪箱故障模擬實驗平臺介紹40-41
• 3.2.2 測點和傳感器的選擇41-44
• 3.2.3 特征信號采集與處理44-48
• 3.2.4 振動信號的特征提取48-50
• 3.2.5 齒輪箱故障特征參數(shù)50-51
• 3.3 本章小結51-52
• 第4章 齒輪箱故診斷方法及基于數(shù)據(jù)挖掘方法研究52-65
• 4.1 齒輪箱主要故障診斷方法52-60
• 4.1.1 時域故障診斷方法53-54
• 4.1.2 頻域域故障診斷方法54-56
• 4.1.3 小波分析故障診斷方法56-57
• 4.1.4 神經(jīng)網(wǎng)絡故障診斷方法57-59
• 4.1.5 專家系統(tǒng)故障診斷方法59-60
• 4.2 基于數(shù)據(jù)挖掘技術的齒輪箱故障診斷60-64
• 4.2.1 數(shù)據(jù)挖掘定義60
• 4.2.2 數(shù)據(jù)挖掘過程60-62
• 4.2.3 數(shù)據(jù)挖掘的功能62-63
• 4.2.4 數(shù)據(jù)挖掘常用方法63-64
• 4.3 本章小結64-65
• 第5章 基于數(shù)據(jù)挖掘分類在齒輪箱故障診斷的應用65-83
• 5.1 數(shù)據(jù)分類65-66
• 5.2 決策樹方法66-71
• 5.2.1 決策樹生成算法67-68
• 5.2.2 樹剪枝68
• 5.2.3 ID3算法68-69
• 5.2.4 C4.5 算法69-71
• 5.3 粗糙集方法71-74
• 5.3.1 理論基礎71-72
• 5.3.2 屬性約簡72-74
• 5.4 基于粗糙集決策樹的齒輪箱故障診斷研究74-76
• 5.4.1 粗糙決策樹算法描述74
• 5.4.2 粗糙集屬性約簡算法及其改進74-75
• 5.4.3 粗糙決策樹算法模型75-76
• 5.5 基于粗糙決策樹的齒輪箱數(shù)據(jù)挖掘仿真76-82
• 5.5.1 基于粗糙決策樹的齒輪箱故障數(shù)據(jù)分析76-80
• 5.5.2 仿真結果分析80-82
• 5.6 本章小結82-83
• 結論與展望83-84
• 致謝84-85
• 參考文獻85-88
• 附表88-96
• 作者簡介96
• 攻讀碩士學位期間發(fā)表的論文96-97

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張玉;;基于振動信號分析的齒輪箱故障診斷[J];儀器儀表與分析監(jiān)測;2011年01期

2 李盛其;;中國齒輪行業(yè)“十二五”發(fā)展規(guī)劃綱要(上)[J];現(xiàn)代零部件;2011年01期

3 徐躍進;;齒輪箱中齒輪故障的振動分析與診斷[J];機械設計;2009年12期

4 高正明;何彬;趙娟;裴永泉;左廣霞;;常用故障特征提取方法[J];機床與液壓;2009年12期

5 安茂春;;故障診斷專家系統(tǒng)及其發(fā)展[J];計算機測量與控制;2008年09期

6 岳峰杰,安靖紅,段富生;振動測量參數(shù)在故障診斷中的應用分析[J];風機技術;2005年03期

7 朱大奇;人工神經(jīng)網(wǎng)絡研究現(xiàn)狀及其展望[J];江南大學學報;2004年01期

8 李曉虎,賈民平,許飛云;頻譜分析法在齒輪箱故障診斷中的應用[J];振動、測試與診斷;2003年03期

9 何勇,李增芳;智能化故障診斷技術的研究與應用[J];浙江大學學報(農(nóng)業(yè)與生命科學版);2003年02期

10 馮志敏,王穎;智能化故障診斷系統(tǒng)的研究與開發(fā)[J];中國航海;2003年01期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 王慶東;基于粗糙集的數(shù)據(jù)挖掘方法研究[D];浙江大學;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前6條

1 吳治南;基于小波變換與PNN神經(jīng)網(wǎng)絡相結合的滾動軸承故障診斷[D];河北工程大學;2015年

2 趙志強;基于集合經(jīng)驗模式分解與徑向基函數(shù)神經(jīng)網(wǎng)絡的齒輪故障診斷[D];河北工程大學;2015年

3 楊一展;數(shù)據(jù)挖掘技術在故障診斷中的應用研究[D];西安電子科技大學;2008年

4 鄧士娟;基于數(shù)據(jù)挖掘技術的軸承壽命預測的研究[D];大連海事大學;2006年

5 徐宗龍;數(shù)據(jù)挖掘在齒輪箱故障診斷中的應用研究[D];中北大學;2006年

6 石金彥;基于規(guī)則的數(shù)據(jù)挖掘方法在故障診斷中的應用[D];鄭州大學;2003年

，

本文編號：905526