發(fā)布時(shí)間：2020-09-25 16:19

　　 由于齒輪箱在運(yùn)轉(zhuǎn)過程中箱體產(chǎn)生振動(dòng)或復(fù)雜環(huán)境噪聲等因素的影響,使傳感器采集到的振動(dòng)信號中除了含有有用的故障信息外還有噪聲的干擾,不利于對故障信號進(jìn)行分析和診斷。本文從這點(diǎn)出發(fā),首先介紹了齒輪箱故障診斷的背景、意義以及目前診斷方法的現(xiàn)狀,之后提出分別將自適應(yīng)濾波技術(shù)和粒子濾波技術(shù)應(yīng)用于齒輪箱振動(dòng)信號的預(yù)處理上,提取故障特征信息,最后用經(jīng)過粒子群優(yōu)化算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)對齒輪箱的故障作出診斷,并通過在實(shí)驗(yàn)室搭建一套完整的齒輪箱故障診斷系統(tǒng)證明了此方法可以很好的對齒輪箱的故障作出正確診斷。 本文在研究了幾種主要的自適應(yīng)濾波算法后,提出了一種基于相關(guān)雙曲正切函數(shù)的LMS算法(CTanh-LMS算法),在仿真的基礎(chǔ)上將此算法應(yīng)用于齒輪箱故障特征的提取中,結(jié)果證明通過此方法可以得到明顯的故障特征,并且算法十分簡單、收斂速度快,完全可以滿足齒輪箱振動(dòng)信號的消噪要求。另外,針對齒輪箱系統(tǒng)的非線性非高斯特性,提出了用粒子濾波算法對信號進(jìn)行消噪的基本實(shí)現(xiàn)步驟,并通過仿真實(shí)驗(yàn)說明粒子濾波算法可以大幅提高信號的信噪比,對含噪信號起到了很好的消噪作用。本文還對粒子群優(yōu)化(PSO)算法進(jìn)行了研究,并將此算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,利用粒子群優(yōu)化算法調(diào)節(jié)和優(yōu)化全局性網(wǎng)絡(luò)參數(shù),用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法優(yōu)化具有局部性的參數(shù),將二者結(jié)合來用于齒輪箱的故障診斷。試驗(yàn)的結(jié)果表明,本文提出的將自適應(yīng)濾波消噪技術(shù)、粒子濾波消噪技術(shù)這兩種用于信號預(yù)處理的方法分別和粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合,運(yùn)用在齒輪箱的故障診斷上,能夠得到較理想的故障診斷結(jié)果。
【學(xué)位單位】：中北大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2011
【中圖分類】：TH165.3
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題的意義和背景
    1.2 齒輪箱故障診斷技術(shù)的研究現(xiàn)狀
    1.3 濾波技術(shù)的研究現(xiàn)狀
    1.4 粒子群優(yōu)化技術(shù)的研究現(xiàn)狀
    1.5 本論文的主要研究內(nèi)容
2 自適應(yīng)濾波消噪技術(shù)
    2.1 自適應(yīng)濾波器
        2.1.1 自適應(yīng)濾波器的組成
        2.1.2 自適應(yīng)濾波器的原理
        2.1.3 性能參數(shù)分析
        2.1.4 自適應(yīng)濾波器的典型應(yīng)用
    2.2 自適應(yīng)濾波算法
        2.2.1 自適應(yīng)濾波算法種類
        2.2.2 LMS自適應(yīng)算法分析
        2.2.3 基于雙曲正切函數(shù)的LMS算法
    2.3 仿真與結(jié)果分析
    2.4 小結(jié)
3 粒子濾波技術(shù)
    3.1 貝葉斯濾波原理
    3.2 卡爾曼濾波理論
    3.3 擴(kuò)展卡爾曼濾波理論
    3.4 無跡卡爾曼濾波理論
    3.5 粒子濾波理論
        3.5.1 貝葉斯重要性采樣
        3.5.2 序貫重要性采樣
        3.5.3 重采樣
        3.5.4 粒子濾波的收斂性
        3.5.5 粒子濾波算法步驟
    3.7 仿真與結(jié)果分析
    3.8 小結(jié)
4 粒子群優(yōu)化算法
    4.1 粒子群算法簡介
        4.1.1 基本粒子群算法
        4.1.2 標(biāo)準(zhǔn)粒子群算法
        4.1.3 離散粒子群算法
    4.2 粒子群算法拓?fù)浣Y(jié)構(gòu)
    4.3 算法的收斂性分析
    4.4 參數(shù)設(shè)置
    4.5 基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)
        4.5.1 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和基本特征
        4.5.2 BP神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)
        4.5.3 仿真與結(jié)果分析
    4.6 小結(jié)
5 齒輪箱故障診斷實(shí)驗(yàn)
    5.1 齒輪箱故障診斷機(jī)理及特征信號分析
        5.1.1 齒輪振動(dòng)機(jī)理及失效
        5.1.2 軸承振動(dòng)機(jī)理及失效
        5.1.3 齒輪箱振動(dòng)信號特征分析及方法
    5.2 載荷識(shí)別在故障診斷中的應(yīng)用
        5.2.1 齒輪箱載荷識(shí)別原理
        5.2.2 頻響函數(shù)求逆載荷識(shí)別方法
        5.2.3 載荷識(shí)別中系統(tǒng)的建模與識(shí)別
        5.2.4 理論驗(yàn)證與實(shí)驗(yàn)分析
    5.3 齒輪箱故障診斷實(shí)驗(yàn)安排
        5.3.1 實(shí)驗(yàn)設(shè)備
        5.3.2 實(shí)驗(yàn)設(shè)計(jì)方案
        5.3.3 信號采集
    5.4 自適應(yīng)濾波在故障診斷中的應(yīng)用
    5.5 粒子濾波在故障診斷中的應(yīng)用
    5.6 粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)對齒輪箱進(jìn)行故障診斷
    5.7 小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及所取得的研究成果
致謝

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 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

本文編號：2826792