本文關(guān)鍵詞：基于齒輪箱數(shù)據(jù)處理的故障預(yù)警與診斷系統(tǒng)，由筆耕文化傳播整理發(fā)布。

【摘要】：針對(duì)風(fēng)電齒輪箱故障診斷的特點(diǎn)----關(guān)聯(lián)性強(qiáng)，海量運(yùn)行數(shù)據(jù)，變量多等，在分析齒輪箱故障時(shí)，不能單一地只針對(duì)發(fā)生故障的部件進(jìn)行故障分析，而需要考慮齒輪箱內(nèi)部各部件的相關(guān)性，并建立動(dòng)態(tài)，多變量的模型進(jìn)行分析。因此，處理齒輪箱的海量數(shù)據(jù)和準(zhǔn)確而迅速的排除潛在故障對(duì)于齒輪箱的安全運(yùn)行意義重大。針對(duì)這些問題本文做了如下工作： 第一，本文對(duì)近年來(lái)的狀態(tài)監(jiān)測(cè)方法和故障預(yù)警及診斷技術(shù)進(jìn)行了系統(tǒng)、全面的分析與研究，指出神經(jīng)網(wǎng)絡(luò)建模是需要耗時(shí)的學(xué)習(xí)過程，學(xué)習(xí)樣本的選擇缺乏依據(jù)，并且基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法會(huì)遇到整理專家經(jīng)驗(yàn)困難等問題；通過小波分析方法處理高速采集的振動(dòng)信號(hào)與實(shí)際齒輪箱的運(yùn)行狀態(tài)有較大差別，并且振動(dòng)信號(hào)存在難以提取和外部干擾過多等缺陷；基于FTA的故障診斷方法隨著系統(tǒng)復(fù)雜程度的提高，根據(jù)規(guī)則進(jìn)行推理的速度就會(huì)變慢，無(wú)法及時(shí)提供診斷結(jié)果。 第二，針對(duì)齒輪箱的狀態(tài)監(jiān)測(cè)方法中遇到的問題，本文提出一種以易于采集的油溫信號(hào)來(lái)分析齒輪箱故障的方法。通過分析齒輪箱溫度的變化趨勢(shì)，建立非線性狀態(tài)估計(jì)(NSET)溫度預(yù)測(cè)模型，再根據(jù)統(tǒng)計(jì)的殘差變化，與通過驗(yàn)證集合確定出的殘差均值和標(biāo)準(zhǔn)差的故障閾值作對(duì)比，預(yù)測(cè)潛在故障，優(yōu)化運(yùn)行。 第三，根據(jù)非線性狀態(tài)估計(jì)法預(yù)測(cè)出的齒輪箱油溫、油壓異常故障，結(jié)合齒輪箱的故障實(shí)例，通過將FTA和BAM融合在一起，將經(jīng)過FTA去除冗余故障數(shù)據(jù)之后的獨(dú)立、正交的故障數(shù)據(jù)作為訓(xùn)練樣本，提供給BAM網(wǎng)絡(luò)進(jìn)行訓(xùn)練，結(jié)合分析與總結(jié)故障征兆、故障模式和故障原因之間的對(duì)應(yīng)關(guān)系，得出診斷結(jié)果，判斷故障原因、給出預(yù)維修策略。 第四，在上述狀態(tài)監(jiān)測(cè)和故障診斷的基礎(chǔ)上，結(jié)合專家系統(tǒng)，設(shè)計(jì)出齒輪箱故障診斷輔助決策系統(tǒng)，通過知識(shí)獲取、故障診斷、在線診斷等模塊，完成智能化故障報(bào)警、故障樹查詢、BAM網(wǎng)絡(luò)診斷等功能。
【關(guān)鍵詞】：FTA 非線性狀態(tài)估計(jì) BAM神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：河北工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH132.41;TP277
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-14
• 1.1 課題研究的背景和意義8-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)11-13
• 1.2.1 故障預(yù)警和診斷技術(shù)發(fā)展概述11-12
• 1.2.2 風(fēng)電機(jī)組齒輪箱的發(fā)展概況12-13
• 1.2.3 齒輪箱在線監(jiān)測(cè)與故障診斷技術(shù)發(fā)展概況13
• 1.3 本文的主要研究?jī)?nèi)容13-14
• 第二章 齒輪箱故障類型及診斷方法研究14-24
• 2.1 風(fēng)電機(jī)組齒輪箱的介紹14-16
• 2.1.1 風(fēng)電機(jī)組齒輪箱的結(jié)構(gòu)與用途14-15
• 2.1.2 風(fēng)電機(jī)組齒輪箱的工作狀況15-16
• 2.2 風(fēng)電機(jī)組齒輪箱的故障統(tǒng)計(jì)16-20
• 2.2.1 風(fēng)電機(jī)組齒輪箱的故障類型16-19
• 2.2.2 風(fēng)電機(jī)組齒輪箱的故障原因19-20
• 2.2.3 風(fēng)電機(jī)組齒輪箱的維護(hù)20
• 2.3 風(fēng)電機(jī)組齒輪箱的故障診斷方法20-23
• 2.4 本章小結(jié)23-24
• 第三章 風(fēng)電齒輪箱溫度趨勢(shì)狀態(tài)監(jiān)測(cè)及分析方法24-38
• 3.1 數(shù)據(jù)預(yù)處理24-26
• 3.1.1 數(shù)據(jù)預(yù)處理原則24-25
• 3.1.2 研究對(duì)象選取及數(shù)據(jù)預(yù)處理25-26
• 3.2 齒輪箱溫度 NSET 建模及預(yù)測(cè)26-33
• 3.2.1 非線性狀態(tài)估計(jì)法原理26-28
• 3.2.2 齒輪箱溫度 NSET 建模變量選取28-31
• 3.2.3 模型結(jié)果分析與評(píng)價(jià)31-33
• 3.3 神經(jīng)網(wǎng)絡(luò)與 NSET 建模對(duì)比33-36
• 3.3.1 BP 神經(jīng)網(wǎng)絡(luò)與 NSET 模型對(duì)比33-34
• 3.3.2 Elman 神經(jīng)網(wǎng)絡(luò)與 NSET 模型對(duì)比34-35
• 3.3.3 遺傳算法優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)與 NSET 模型對(duì)比35-36
• 3.3.4 遺傳算法函數(shù)極值尋優(yōu)BP 神經(jīng)網(wǎng)絡(luò)與 NSET 模型對(duì)比36
• 3.4 本章小結(jié)36-38
• 第四章 融合 FTA 和 BAM 的齒輪箱故障診斷方法38-48
• 4.1 故障樹理論研究38-39
• 4.1.1 故障樹分析法38-39
• 4.1.2 故障樹的建立39
• 4.2 神經(jīng)網(wǎng)絡(luò)和 BAM 算法39-43
• 4.2.1 神經(jīng)網(wǎng)絡(luò)的基本特點(diǎn)39-40
• 4.2.2 BAM 神經(jīng)網(wǎng)絡(luò)40-43
• 4.3 基于 FTA 的樣本整理43-45
• 4.4 基于 BAM 網(wǎng)絡(luò)的故障診斷45-47
• 4.5 本章小結(jié)47-48
• 第五章 齒輪箱狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)設(shè)計(jì)與研究48-62
• 5.1 狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)設(shè)計(jì)48-51
• 5.2 故障診斷模型及流程51-55
• 5.2.1 需求分析51-52
• 5.2.2 故障診斷模型52-54
• 5.2.3 故障診斷工作流程54-55
• 5.3 系統(tǒng)模塊設(shè)計(jì)55-59
• 5.3.1 開發(fā)環(huán)境55
• 5.3.2 故障診斷故障樹設(shè)計(jì)55-57
• 5.3.3 數(shù)據(jù)庫(kù)設(shè)計(jì)57-59
• 5.4 實(shí)驗(yàn)驗(yàn)證59-61
• 5.4.1 故障樹查詢59-60
• 5.4.2 BAM 網(wǎng)絡(luò)診斷60-61
• 5.4.3 BAM 網(wǎng)絡(luò)的穩(wěn)定性與收斂性61
• 5.5 本章小結(jié)61-62
• 第六章 總結(jié)與展望62-64
• 參考文獻(xiàn)64-69
• 致謝69-70
• 攻讀學(xué)位期間所取得的相關(guān)科研成果70

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 黃華;席軍強(qiáng);肖寬;陽(yáng)鄧華;;Development of AMT Fault Diagnosis Technique Based on KWP2000[J];Journal of Beijing Institute of Technology;2010年01期

2 王新勇;陳濤;;采用變頻器故障樹為訓(xùn)練樣本的BAM神經(jīng)網(wǎng)絡(luò)故障診斷方法[J];電光與控制;2011年05期

3 王洪;朱銳;;數(shù)據(jù)庫(kù)存儲(chǔ)過程設(shè)計(jì)及應(yīng)用[J];電子信息對(duì)抗技術(shù);2009年02期

4 于良峰;趙登利;吳樹梁;;風(fēng)電機(jī)組齒輪箱故障分析及改進(jìn)措施[J];風(fēng)能;2012年10期

5 孟恩隆;郭東杰;王靈梅;郭紅龍;武衛(wèi)紅;韓西貴;;風(fēng)力發(fā)電機(jī)組狀態(tài)監(jiān)測(cè)與智能故障診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];華東電力;2012年03期

6 楊佳鑫;齊蘊(yùn)光;蔡兆中;;齒輪箱故障診斷技術(shù)現(xiàn)狀與發(fā)展趨勢(shì)[J];機(jī)電信息;2011年36期

7 時(shí)建峰;時(shí)軍;時(shí)偉;周明;李增賀;;基于小波包與改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷[J];機(jī)械研究與應(yīng)用;2011年01期

8 劉迅;;基于故障樹與BAM神經(jīng)網(wǎng)絡(luò)的智能故障診斷方法[J];科學(xué)技術(shù)與工程;2010年13期

9 王宇雷;馬廣富;李傳江;;Fault diagnosis using robust cascade observers with application to spacecraft attitude control[J];Journal of Harbin Institute of Technology;2011年04期

10 傘冶;郭珂;朱奕;;Analog circuit intelligent fault diagnosis based on GKPCA and multi-class SVM approach[J];Journal of Harbin Institute of Technology;2012年06期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 魏秀業(yè);基于粒子群優(yōu)化的齒輪箱智能故障診斷研究[D];中北大學(xué);2009年

2 韓琦;神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性及其在聯(lián)想記憶中的應(yīng)用研究[D];重慶大學(xué);2012年

  本文關(guān)鍵詞：基于齒輪箱數(shù)據(jù)處理的故障預(yù)警與診斷系統(tǒng)，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：325171