【摘要】： 隨著科學(xué)技術(shù)的不斷進(jìn)步,機(jī)械設(shè)備向著高性能、高效率、高自動(dòng)化和高可靠性的方向發(fā)展。齒輪箱由于具有傳動(dòng)比固定、傳動(dòng)轉(zhuǎn)矩大、結(jié)構(gòu)緊湊等優(yōu)點(diǎn),被用于改變轉(zhuǎn)速和傳遞動(dòng)力的傳動(dòng)部件中,它是機(jī)械設(shè)備的一個(gè)重要組成部分,也是易于發(fā)生故障的一個(gè)部件,其運(yùn)行狀態(tài)對(duì)整機(jī)的工作性能有很大的影響。因此,對(duì)齒輪箱進(jìn)行狀態(tài)監(jiān)測及故障診斷意義重大,不僅可以縮短維修時(shí)間、降低維修成本,還可提高診斷準(zhǔn)確性和維修質(zhì)量,創(chuàng)造可觀的經(jīng)濟(jì)效益。 齒輪箱的振動(dòng)信號(hào)相當(dāng)復(fù)雜,除反映有關(guān)齒輪和軸承本身工作情況的信息外,也包含了大量機(jī)械中其它運(yùn)動(dòng)部件和結(jié)構(gòu)的信息,因此如果僅僅單從時(shí)域與頻域或小波分析對(duì)齒輪箱的振動(dòng)信號(hào)進(jìn)行分析,則很難準(zhǔn)確診斷出齒輪箱各類故障。本文提出并研究了一種新的齒輪箱故障診斷技術(shù)——基于時(shí)、頻域和小波分析的神經(jīng)網(wǎng)絡(luò)診斷法,該方法聯(lián)合時(shí)、頻域和小波分析的特性來識(shí)別齒輪箱故障信號(hào),將所得到的綜合信息,進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練和診斷,結(jié)果證明該研究方法可提高齒輪箱故障診斷的準(zhǔn)確性和可靠性。 具體研究內(nèi)容如下: 1)研究齒輪箱故障振動(dòng)的機(jī)理。分析齒輪和軸承的常見故障類型及產(chǎn)生的原因,在此基礎(chǔ)上研究了齒輪和軸承幾種典型故障的振動(dòng)機(jī)理。 2)研究時(shí)、頻域分析方法進(jìn)行齒輪箱故障特征提取的特點(diǎn)。介紹了一些時(shí)域和頻域分析方法的理論,通過分析實(shí)驗(yàn)所得的齒輪箱5種典型故障信號(hào),得出相應(yīng)的時(shí)域與頻域特征。 3)研究小波分析方法進(jìn)行齒輪箱故障特征量提取的特點(diǎn)。根據(jù)小波分析和小波包分析的基本理論,采用了基于小波包能量的特征提取方法,并用實(shí)例證明了該方法的可靠性。 4)根據(jù)BP神經(jīng)網(wǎng)絡(luò)算法的原理,提出了一種改進(jìn)的BP算法,即基于誤差修正的自適應(yīng)學(xué)習(xí)速率法,并針對(duì)這種算法進(jìn)行了仿真測試。測試結(jié)果表明改進(jìn)的BP算法縮短了學(xué)習(xí)時(shí)間,提高了學(xué)習(xí)效率,并在一定程度上避免了學(xué)習(xí)中的局部極小問題的出現(xiàn)。 5)對(duì)本文提出的研究方法進(jìn)行實(shí)驗(yàn)驗(yàn)證。利用實(shí)驗(yàn)室齒輪箱實(shí)驗(yàn)臺(tái)模擬了齒輪箱五種典型故障形式,并采集了各工況下的振動(dòng)信號(hào)。對(duì)信號(hào)進(jìn)行時(shí)、頻域分析和小波分析并提取特征值,作為改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的輸入,建立了齒輪箱故障診斷模型。用該模型對(duì)大量實(shí)測數(shù)據(jù)進(jìn)行分析和處理,其診斷結(jié)果表明本論文研究提出的方法是可行的,該方法可提高齒輪箱故障診斷的準(zhǔn)確性和可靠性。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2008
【分類號(hào)】：TH132.41
【圖文】：

所以從測試的角度來看，研究軸承有缺陷時(shí)的振動(dòng)才有意義。而有缺陷的軸承在頻譜分析中，在其特征頻率上的譜線會(huì)有明顯的變化。滾動(dòng)軸承各元件在單一缺陷時(shí)的振動(dòng)特征頻率的一般公式(參照?qǐng)D2一3)126]:l)滾動(dòng)體缺陷特征頻率幾二殺lfa廠刀2、一大}11一竺二 eosZal“‘又少)(2一7)2)內(nèi)滾道(外圈)缺陷特征頻率;一量}、一、}〔l一蘭cos。D)(2一8)3)外滾道(內(nèi)圈)缺陷特征頻率fo一引fr一faJ藝-〔l、蘭cosa)(2一9)

a(‘)=}u(‘)卜l=丫夕’(，)+夕’(，)一l。(，卜arctan【夕‘風(fēng)，)，一(2呱‘+，，(3可見經(jīng)Hilbert變換很容易分離a(O和b(O。因此，對(duì)幅值調(diào)制信號(hào)進(jìn)行包絡(luò)頻率調(diào)制信號(hào)進(jìn)行包絡(luò)分析都能很好的確定故障的特征頻率。.2齒輪箱振動(dòng)信號(hào)的時(shí)、頻域特征根據(jù)前面章節(jié)對(duì)齒輪箱故障振動(dòng)機(jī)理的分析和齒輪箱時(shí)、頻域分析方法的研究者所做的實(shí)驗(yàn)驗(yàn)證(其中數(shù)據(jù)采用我研究所試驗(yàn)臺(tái)所測數(shù)據(jù))，得出各種狀態(tài)的、頻域特征如下:2.1正常JJJ!11111一一

太原理工大學(xué)碩士研究生學(xué)位論文號(hào)具有近似正弦波的嚙合波形，如圖3一1所示。(2)頻域特征:正常齒輪箱的信號(hào)反映在功率譜上，主要有齒輪嚙合頻率及波分量，即以嚙合頻率成份為主nfm(n二1，2，，:，其高次諧波依次減小，如圖3一2所同時(shí)，在解調(diào)譜中低頻處有齒輪軸旋轉(zhuǎn)頻率及其高次諧波mfr(m二1，2，…，如圖3示。

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 姜娜;紀(jì)建偉;齊曉軒;孔慶江;肖隆君;孫逢龍;;基于小波包分析的滾動(dòng)軸承的故障診斷方法研究[J];浙江農(nóng)業(yè)學(xué)報(bào);2012年02期

2 李康;劉冰;陳雪軍;陳海小;趙乾宏;;基于第二代小波包解調(diào)技術(shù)的船載天線軸承故障診斷方法研究[J];遙測遙控;2012年06期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 蔡安江;豆衛(wèi)濤;柴彥昌;孫少軍;;基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的齒輪箱故障診斷應(yīng)用研究[A];陜西省機(jī)械工程學(xué)會(huì)第九次代表大會(huì)會(huì)議論文集[C];2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李會(huì)臣;基于時(shí)頻分析的齒輪故障機(jī)理及診斷研究[D];鄭州大學(xué);2010年

2 彭建云;基于小波分析對(duì)變速箱進(jìn)行故障診斷[D];江西理工大學(xué);2010年

3 趙娟;基于人工智能的電機(jī)匝間耐壓檢測算法研究[D];河北科技大學(xué);2011年

4 周瑩;基于MIV特征篩選和BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷技術(shù)研究[D];北京交通大學(xué);2011年

5 李娓;基于粗糙集的粒計(jì)算在數(shù)據(jù)挖掘中的研究與應(yīng)用[D];武漢理工大學(xué);2011年

6 高陽;基于DSP和分層時(shí)序記憶的齒輪箱故障診斷系統(tǒng)[D];中北大學(xué);2011年

7 張永帥;電勵(lì)磁雙凸極風(fēng)力發(fā)電機(jī)的控制及整流電路故障診斷[D];南京航空航天大學(xué);2010年

8 付芹;基于PNN模型的機(jī)械設(shè)備狀態(tài)預(yù)警和故障診斷方法研究[D];西安建筑科技大學(xué);2010年

9 侯秀松;基于振動(dòng)測試的旋轉(zhuǎn)設(shè)備狀態(tài)分析與故障診斷[D];內(nèi)蒙古科技大學(xué);2012年

10 浦曉清;測量船天線故障預(yù)警與診斷技術(shù)研究[D];南京理工大學(xué);2013年

本文編號(hào)：2830516