發(fā)布時(shí)間：2020-12-23 02:21

　　隨著科學(xué)技術(shù)的發(fā)展,機(jī)械設(shè)備朝著高效率、高強(qiáng)度、高性能、大型化和自動(dòng)化的方向發(fā)展。作為傳遞運(yùn)動(dòng)和動(dòng)力的齒輪傳動(dòng)系統(tǒng)在許多大型設(shè)備中都發(fā)揮著重要的作用。但由于具有載荷條件復(fù)雜,工作環(huán)境惡劣等原因,齒輪傳動(dòng)系統(tǒng)容易受到損害而出現(xiàn)故障,這些故障的發(fā)生則極有可能誘發(fā)機(jī)器癱瘓,從而造成難以估計(jì)的經(jīng)濟(jì)損失和社會(huì)影響。因此,研究齒輪傳動(dòng)系統(tǒng)故障診斷的理論與技術(shù)具有重要的理論和實(shí)際意義。盡管現(xiàn)有的特征提取方法及故障識(shí)別技術(shù)取得了許多成果,但仍然存在諸多缺陷:功率譜分析適用于平穩(wěn)信號(hào)分析,齒輪傳動(dòng)系統(tǒng)拾取的振動(dòng)信號(hào)由于存在非平穩(wěn)性導(dǎo)致這種分析方法無法有效使用;短時(shí)傅立葉變換、小波變換、EMD分解等非平穩(wěn)信號(hào)處理算法能夠適應(yīng)齒輪故障診斷信號(hào)的非平穩(wěn)特性,但在特征提取方面卻存在太多的頻段特征,導(dǎo)致故障診斷難度增加;如何實(shí)現(xiàn)減少特征維數(shù),保證故障診斷效果是迫切需要解決的問題。基于特征提取的模式識(shí)別方法是故障診斷中的重要內(nèi)容,BP等神經(jīng)網(wǎng)絡(luò)以其極強(qiáng)的自學(xué)習(xí)、非線性識(shí)別能力在故障識(shí)別中獲得了廣泛的研究,但其容易陷入局部最優(yōu)一直是該種方法的詬病;同時(shí)針對(duì)如何更好的應(yīng)用各種特征提取算法的成果來提高故障識(shí)別率也是故障診... 

【文章來源】：太原理工大學(xué)山西省 211工程院校

【文章頁數(shù)】：118 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

滾動(dòng)軸承結(jié)構(gòu)示意圖

統(tǒng)故障的物理模擬實(shí)驗(yàn)在太原理工大學(xué)機(jī)械電子工程障診斷實(shí)驗(yàn)臺(tái)上進(jìn)行的。本文以我研究所實(shí)驗(yàn)室的齒輪的齒輪傳動(dòng)系統(tǒng)實(shí)驗(yàn)系統(tǒng)由三部分構(gòu)成，分別是：動(dòng)力驗(yàn)系統(tǒng)如圖 2-3 所示，由 Y132S－4 型三相異步電動(dòng)機(jī)齒輪箱的輸入軸，然后經(jīng)過齒輪傳動(dòng)系統(tǒng)一級(jí)傳動(dòng)，將加載器制動(dòng)，在該系統(tǒng)中磁粉加載器作為負(fù)載使用。楊鐵梅：基于混合智能的齒輪傳動(dòng)系統(tǒng)集成故障診斷方法研究

圖 2-4 齒輪傳動(dòng)系統(tǒng)實(shí)驗(yàn)裝置及傳感器測(cè)點(diǎn)布置示意圖4 The sketch map for the experimental device of gear transmission systemthe placement of the sensor measurement points采集系統(tǒng)處理分析，是振動(dòng)測(cè)試以及設(shè)備故障診斷的前提和基礎(chǔ)[105]率成分，頻帶非常寬，并且其故障信息集中在中頻段和高的參數(shù)是加速度信號(hào)(較少用位移和速度)，所用傳感器一般驗(yàn)中，振動(dòng)信號(hào)的數(shù)據(jù)采集系統(tǒng)由三部分構(gòu)成，分別是加器。器壓電式三軸加速度傳感器8638M004，該傳感器由瑞士KISTL體積小、靈敏度高的優(yōu)點(diǎn)。該傳感器已經(jīng)將放大器集成在加

【參考文獻(xiàn)】：
期刊論文
[1]Application of Wavelets Transform to Fault Detection in Rotorcraft UAV Sensor Failure[J]. Jun-tong Qi1,2, Jian-da Han1 1. Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, P. R. China 2. Graduate School, Chinese Academy of Sciences, Beijing 100049, P. R. China.  Journal of Bionic Engineering. 2007(04)
[2]基于階次跟蹤與偽魏格納分布的齒輪故障診斷[J]. 康海英,欒軍英,鄭海起,崔清斌.  振動(dòng)、測(cè)試與診斷. 2007(03)
[3]EMD方法基于AR模型預(yù)測(cè)的數(shù)據(jù)延拓與應(yīng)用[J]. 胡勁松,楊世錫.  振動(dòng)、測(cè)試與診斷. 2007(02)
[4]混合智能系統(tǒng)R-CSNN及其應(yīng)用[J]. 夏潔,蔡自興,王剛.  計(jì)算機(jī)科學(xué). 2007(04)
[5]基于HHT變換的時(shí)頻分析法及其在2FSK系統(tǒng)解調(diào)中的應(yīng)用[J]. 毛煒,金榮洪,李家強(qiáng),耿軍平,范瑜.  電子與信息學(xué)報(bào). 2006(12)
[6]一種新的屬性約簡算法[J]. 楊寶華.  計(jì)算機(jī)技術(shù)與發(fā)展. 2006(05)
[7]齒輪故障診斷技術(shù)應(yīng)用綜述[J]. 熊軍,李鳳英,沈玉娣.  機(jī)床與液壓. 2005(12)
[8]基于Wigner高階譜的機(jī)械故障診斷的研究[J]. 李志農(nóng),何永勇,褚福磊.  機(jī)械工程學(xué)報(bào). 2005(04)
[9]基于多傳感器信息融合技術(shù)[J]. 劉海英,張池平.  佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版). 2004(01)
[10]小波神經(jīng)網(wǎng)絡(luò)在齒輪早期故障診斷中的應(yīng)用[J]. 韓振南,李進(jìn)寶,熊詩波.  煤礦機(jī)械. 2003(05)

博士論文
[1]復(fù)雜機(jī)械系統(tǒng)動(dòng)態(tài)特性分析和實(shí)驗(yàn)辨識(shí)方法的研究[D]. 熊曉燕.太原理工大學(xué) 2008
[2]軋機(jī)自激振動(dòng)診斷與結(jié)構(gòu)動(dòng)力學(xué)修改[D]. 馬維金.太原理工大學(xué) 2006
[3]基于模型的異步電動(dòng)機(jī)早期故障智能診斷[D]. 田慕琴.太原理工大學(xué) 2006
[4]基于支持向量回歸技術(shù)的大型復(fù)雜機(jī)電設(shè)備故障診斷研究與應(yīng)用[D]. 王然風(fēng).太原理工大學(xué) 2005
[5]機(jī)械結(jié)構(gòu)損傷檢測(cè)方法研究[D]. 鄭渝.太原理工大學(xué) 2004
[6]齒輪傳動(dòng)系統(tǒng)的故障診斷方法的研究[D]. 韓振南.太原理工大學(xué) 2003



本文編號(hào)：2932889