本文關(guān)鍵詞：基于信息融合的煤炭輸送機減速器故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：減速器是煤炭輸送機的重要驅(qū)動裝置之一，在輸送機運行過程中發(fā)生故障的頻率較高，并且發(fā)生故障后對煤炭生產(chǎn)的影響時間長，因此，對減速器早期故障進行診斷具有十分重要的意義。然而，減速器出現(xiàn)的故障多種多樣，故障判斷方法大多是分析振動信號的時域和頻域波形圖，信號的獲取大多依靠單個傳感器，存在領(lǐng)域知識難以獲取、故障診斷率低等情況。鑒于此，本文引入多傳感器信息融合的方法對減速器故障診斷技術(shù)進行探索。 本文在閱讀大量有關(guān)減速器故障診斷和多傳感器信息融合資料的基礎(chǔ)上，做了以下工作： （1）針對軸、軸承、齒輪等出現(xiàn)的機械故障，選取了時域信號中的峭度、裕度、峰值指標(biāo)等、頻域信號中的頻譜重心、頻譜方差、諧波因子等特征值。根據(jù)多傳感器信息融合的特點，選取了證據(jù)推理和神經(jīng)網(wǎng)絡(luò)的融合方法，建立了用于整體故障診斷的特征層融合模型和用于局部故障診斷的決策層融合模型。 （2）鑒于D-S證據(jù)推理中經(jīng)典融合公式會出現(xiàn)證據(jù)高度沖突的缺陷，本文使用了一種新的合成公式。將從三個振動傳感器提取的7個特征向量作為3個證據(jù)體，并對減速器整體故障進行診斷,通過將經(jīng)典公式和改進公式的融合結(jié)果進行比較，表明改進公式融合結(jié)果比經(jīng)典公式診斷結(jié)果更準(zhǔn)確，證明其可行性。 （3）針對減速器各主要部件的具體故障，，首先使用神經(jīng)網(wǎng)絡(luò)進行特征融合，然后采用決策判決的方法得出診斷結(jié)果。本文根據(jù)BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)對減速器故障的仿真結(jié)果對比，選取了RBF網(wǎng)絡(luò)進行特征層的融合。采用Matlab仿真軟件，把從三個傳感器提取的特征向量通過訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)進行特征層的融合，將融合結(jié)果作為證據(jù)體，然后使用改進的證據(jù)融合公式進行融合，并根據(jù)決策規(guī)則得到診斷結(jié)果。將以上組合方法用于區(qū)分軸承出現(xiàn)的軸內(nèi)圈、外圈等四種故障，診斷結(jié)果表明基于神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的故障診斷可提高診斷結(jié)果的有效性和準(zhǔn)確性。
【關(guān)鍵詞】：輸送機減速器 故障診斷 多傳感器信息融合 神經(jīng)網(wǎng)絡(luò) D-S證據(jù)理論
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH165.3;TD50
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-15
• 1.1 本課題研究的目的和意義9
• 1.2 輸送機減速器故障診斷方法的研究現(xiàn)狀9-11
• 1.2.1 輸送機減速器故障診斷國外研究現(xiàn)狀9-10
• 1.2.2 輸送機減速器故障診斷方法國內(nèi)研究現(xiàn)狀10-11
• 1.3 多傳感器信息融合方法11-13
• 1.3.1 概述11
• 1.3.2 研究與應(yīng)用11-12
• 1.3.3 在故障診斷中應(yīng)用的優(yōu)點12-13
• 1.4 研究目標(biāo)13
• 1.5 本文研究內(nèi)容13-15
• 第二章 減速器故障分析及多傳感器信息融合的應(yīng)用過程15-31
• 2.1 引言15
• 2.2 故障類型分析及診斷方法研究15-19
• 2.2.1 故障類型及相關(guān)因素15-17
• 2.2.2 減速器故障樹及診斷方法研究17-19
• 2.3 特征值提取及分析19-25
• 2.3.1 信號測取與分析19-20
• 2.3.2 基于時域信號的特征參數(shù)提取和分析20-24
• 2.3.3 基于頻域信號的特征信號提取和分析24-25
• 2.4 多傳感器信息融合技術(shù)在減速器故障診斷的應(yīng)用分析25-29
• 2.4.1 減速器故障診斷過程的介紹25-26
• 2.4.2 故障診斷模型26
• 2.4.3 融合方法的選取26-28
• 2.4.4 融合層次的選取28-29
• 2.5 輸送機減速器多傳感器信息融合模型29-30
• 2.5.1 特征層故障診斷模型29-30
• 2.5.2 決策層故障診斷模型30
• 2.6 本章小結(jié)30-31
• 第三章 D-S 證據(jù)融合法在輸送機減速器故障診斷中的應(yīng)用31-44
• 3.1 引言31
• 3.2 D-S 證據(jù)理論方法的理論概述31-35
• 3.2.1 D-S 證據(jù)理論中的基本概念31-32
• 3.2.2 合成規(guī)則32-34
• 3.2.3 在故障檢測中應(yīng)用的過程34-35
• 3.3 D-S 證據(jù)理論在輸送機減速器故障檢測中的應(yīng)用過程35-39
• 3.3.1 結(jié)構(gòu)模型35-36
• 3.3.2 證據(jù)體的獲取36-37
• 3.3.3 減速器故障診斷過程37-39
• 3.4 減速器故障診斷的實例分析39-43
• 3.5 本章小結(jié)43-44
• 第四章 神經(jīng)網(wǎng)絡(luò)在輸送機減速器故障檢測中的應(yīng)用44-58
• 4.1 引言44
• 4.2 人工神經(jīng)網(wǎng)絡(luò)44-47
• 4.2.1 人工神經(jīng)網(wǎng)絡(luò)原理44-45
• 4.2.2 人工神經(jīng)網(wǎng)絡(luò)用于減速器故障檢測的優(yōu)勢45-46
• 4.2.3 神經(jīng)網(wǎng)絡(luò)在減速器故障診斷中的應(yīng)用模型46-47
• 4.3 BP 神經(jīng)網(wǎng)絡(luò)故障診斷47-52
• 4.3.1 BP 神經(jīng)網(wǎng)絡(luò)概述47-48
• 4.3.2 實例分析48-52
• 4.4 徑向基神經(jīng)網(wǎng)絡(luò)故障診斷52-57
• 4.4.1 徑向基網(wǎng)絡(luò)概述52-56
• 4.4.2 實例分析56-57
• 4.5 BP 網(wǎng)絡(luò)、RBF 網(wǎng)絡(luò)故障診斷效果及性能比較57
• 4.6 本章小結(jié)57-58
• 第五章 神經(jīng)網(wǎng)絡(luò)與 D-S 證據(jù)結(jié)合的減速器故障診斷58-62
• 5.1 引言58
• 5.2 神經(jīng)網(wǎng)絡(luò)的選取58
• 5.3 實例分析58-61
• 5.3.1 待測樣本數(shù)據(jù)58-59
• 5.3.2 網(wǎng)絡(luò)訓(xùn)練及待測樣本結(jié)果輸出59-60
• 5.3.3 確定證據(jù)體60
• 5.3.4 D-S 融合60-61
• 5.3.5 結(jié)果分析61
• 5.4 本章小結(jié)61-62
• 第六章 總結(jié)與展望62-64
• 6.1 總結(jié)62-63
• 6.2 展望63-64
• 參考文獻64-67
• 致謝67-68
• 附錄 A68-70
• 個人簡歷 在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果70

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王俊林;張劍云;;基于統(tǒng)計證據(jù)的Mass函數(shù)和D-S證據(jù)理論的多傳感器目標(biāo)識別[J];傳感技術(shù)學(xué)報;2006年03期

2 唐士杰;高社生;邢化玲;;D-S理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合的信息融合模型研究[J];傳感技術(shù)學(xué)報;2007年08期

3 吳宏岐;周妮娜;張小娟;高蕊;;信息融合的故障診斷技術(shù)及應(yīng)用[J];傳感器與微系統(tǒng);2006年09期

4 覃嘉恒;張鷹;;實信號的FFT在齒輪減速器故障診斷系統(tǒng)中的應(yīng)用[J];大眾科技;2010年07期

5 王志剛;付欣;;多傳感器信息融合及其應(yīng)用[J];光電技術(shù)應(yīng)用;2008年03期

6 潘巍,王陽生,楊宏戟;D-S證據(jù)理論決策規(guī)則分析[J];計算機工程與應(yīng)用;2004年14期

7 彭志凌;潘宏俠;;基于信息融合的齒輪箱故障診斷技術(shù)研究[J];機械管理開發(fā);2006年02期

8 王燕橋;寇子明;;皮帶輸送機滾動軸承狀態(tài)監(jiān)測與故障診斷的研究[J];機械管理開發(fā);2009年01期

9 張華良;秦捷;嚴(yán)雄飛;;齒輪-滾動軸承智能故障診斷測試系統(tǒng)研究[J];機械傳動;2008年06期

10 王江萍;基于多傳感器融合信息的故障診斷[J];機械科學(xué)與技術(shù);2000年06期

  本文關(guān)鍵詞：基于信息融合的煤炭輸送機減速器故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：344800