發(fā)布時(shí)間：2022-01-02 02:41

　　齒輪是機(jī)械設(shè)備中廣泛使用的重要部件,它的損傷和失效常常導(dǎo)致傳動(dòng)系統(tǒng)或整機(jī)的故障,從而導(dǎo)致重大安全事故。因此,作為動(dòng)力傳遞核心的齒輪箱裝置的狀態(tài)監(jiān)測(cè)與故障診斷受到了越來越多的重視。而研究表明,齒輪箱故障的60%是由齒輪本體失效造成的,基于此,本文對(duì)齒輪故障的特征提取和模式識(shí)別技術(shù)進(jìn)行了深入的研究。其主要研究內(nèi)容如下: 第一,研究齒輪及齒輪箱振動(dòng)噪聲的產(chǎn)生機(jī)理,建立了齒輪振動(dòng)的數(shù)學(xué)模型,在對(duì)影響齒輪振動(dòng)的主要因素——輪齒剛度和傳動(dòng)誤差進(jìn)行詳細(xì)探討的基礎(chǔ)上,分析了齒輪的大周期故障和小周期故障的頻譜特征。 第二,系統(tǒng)地研究了齒輪信號(hào)的特征提取方法,用時(shí)域分析、頻域分析以及解調(diào)分析等方法綜合分析齒輪故障信號(hào),對(duì)典型的大、小周期故障信號(hào)進(jìn)行特征提取。 第三,研究了BP神經(jīng)網(wǎng)絡(luò)的算法原理及存在的問題,并對(duì)其進(jìn)行了改進(jìn)。采用改進(jìn)的BP算法來訓(xùn)練神經(jīng)網(wǎng)絡(luò),并對(duì)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)及其訓(xùn)練參數(shù)的選擇進(jìn)行了分析。通過對(duì)典型大、小周期故障樣本進(jìn)行特征分析,構(gòu)建了一個(gè)BP神經(jīng)網(wǎng)絡(luò)對(duì)提取的故障特征進(jìn)行診斷。結(jié)果表明,將BP網(wǎng)絡(luò)應(yīng)用于齒輪的大、小周期故障的診斷是切實(shí)可行的。 第四,針對(duì)在實(shí)際工程應(yīng)... 

【文章來源】：鄭州大學(xué)河南省 211工程院校

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題概述
        1.1.1 課題的來源
        1.1.2 課題的提出及意義
    1.2 齒輪故障診斷技術(shù)的發(fā)展概況
    1.3 本文的主要研究內(nèi)容
    1.4 本章小結(jié)
第二章 齒輪的振動(dòng)機(jī)理及特征分析
    2.1 齒輪的失效形式
    2.2 齒輪的振動(dòng)機(jī)理
        2.2.1 齒輪振動(dòng)的基本參數(shù)
        2.2.2 齒輪振動(dòng)的數(shù)學(xué)模型
        2.2.3 齒輪故障的頻譜特征
    2.3 齒輪的振動(dòng)特征
        2.3.1 嚙合頻率及其各次諧波
        2.3.2 由調(diào)制效應(yīng)而產(chǎn)生的邊頻帶
        2.3.3 其它成份
    2.4 本章小結(jié)
第三章 齒輪振動(dòng)信號(hào)的分析與特征提取
    3.1 齒輪信號(hào)的時(shí)域和頻域特征
    3.2 齒輪信號(hào)的常規(guī)分析方法
        3.2.1 時(shí)域平均分析
        3.2.2 時(shí)域分析
        3.2.3 頻域分析
        3.2.4 倒頻譜分析
    3.3 齒輪信號(hào)的解調(diào)分析方法
        3.3.1 希爾伯特變換
        3.3.2 希爾伯特變換解調(diào)的原理
    3.4 本章小結(jié)
第四章 神經(jīng)網(wǎng)絡(luò)在齒輪故障診斷中的應(yīng)用
    4.1 人工神經(jīng)網(wǎng)絡(luò)的基本原理
        4.1.1 人工神經(jīng)元的基本模型
        4.1.2 人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和分類
        4.1.3 神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
    4.2 BP神經(jīng)網(wǎng)絡(luò)模型及其算法
        4.2.1 BP訓(xùn)練算法原理
        4.2.2 BP算法的改進(jìn)
    4.3 神經(jīng)網(wǎng)絡(luò)在齒輪故障診斷中的實(shí)際應(yīng)用
        4.3.1 確定神經(jīng)網(wǎng)絡(luò)的輸入與輸出
        4.3.2 網(wǎng)絡(luò)結(jié)構(gòu)的選擇
        4.3.3 網(wǎng)絡(luò)的訓(xùn)練和檢驗(yàn)
    4.4 神經(jīng)網(wǎng)絡(luò)的局限性
    4.5 本章小結(jié)
第五章 基于支持向量機(jī)的齒輪故障診斷的研究
    5.1 統(tǒng)計(jì)學(xué)習(xí)理論
        5.1.1 VC維
        5.1.2 推廣性的界
        5.1.3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化
    5.2 支持向量機(jī)
        5.2.1 廣義最優(yōu)分類面
        5.2.2 支持向量機(jī)
    5.3 支持向量機(jī)在齒輪故障診斷中的應(yīng)用
        5.3.1 用支持向量機(jī)方法實(shí)現(xiàn)齒輪故障的二分類
        5.3.2 支持向量機(jī)的多分類算法
        5.3.3 用一對(duì)多方法實(shí)現(xiàn)少樣本的齒輪多故障分類
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 本文的主要工作和結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]人工神經(jīng)網(wǎng)絡(luò)在過程工業(yè)中的應(yīng)用[J]. 陳丙珍.  中國有色金屬學(xué)報(bào). 2004(S1)
[2]基于神經(jīng)網(wǎng)絡(luò)的傳感器故障診斷仿真[J]. 王琳,李木,李文,丁鳴艷.  大連鐵道學(xué)院學(xué)報(bào). 2004(03)
[3]一種新的多類分類算法[J]. 孫德山,吳今培,肖健華.  模式識(shí)別與人工智能. 2004(03)
[4]利用小波分析早期發(fā)現(xiàn)齒輪故障隱患[J]. 王妙云.  中國設(shè)備工程. 2004(07)
[5]基于高階累積量的齒輪箱故障診斷研究[J]. 王華民,陳霞,安鋼,樊新海.  機(jī)械強(qiáng)度. 2004(03)
[6]迅速崛起的機(jī)器學(xué)習(xí)技術(shù)——支持向量機(jī)[J]. 張愛,陸有忠,鄭璐石.  寧夏工程技術(shù). 2004(02)
[7]基于支持向量機(jī)的多故障分類器及應(yīng)用[J]. 張周鎖,李凌均,何正嘉.  機(jī)械科學(xué)與技術(shù). 2004(05)
[8]神經(jīng)網(wǎng)絡(luò)在齒輪故障診斷中的應(yīng)用[J]. 高興元,姚竹亭,楊秋英.  山西電子技術(shù). 2003(05)
[9]包絡(luò)譜細(xì)化的新方法及在齒輪故障診斷中的應(yīng)用[J]. 皮鈞,王建軍.  拖拉機(jī)與農(nóng)用運(yùn)輸車. 2003(05)
[10]小波分析在大型齒輪箱故障診斷中的應(yīng)用[J]. 周鳳星,程耕國,高立新.  武漢科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2003(03)



本文編號(hào)：3563305