本文關(guān)鍵詞：基于小波包分析和支持向量機(jī)的齒輪箱故障診斷方法研究，，由筆耕文化傳播整理發(fā)布。

【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)行實(shí)時(shí)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)、頻域或快速傅里葉變換對(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(lèi)故障。本文提出并研究了一種新的齒輪箱故障診斷技術(shù)——基于小波包分析和支持向量機(jī)的齒輪箱故障診斷法,該方法針對(duì)齒輪箱的故障診斷問(wèn)題,分為以下兩個(gè)步驟進(jìn)行： (1)故障特征向量的提取。首先基于小波包變換方法,在去噪方面有良好的表現(xiàn),進(jìn)行其特征向量提取,對(duì)于以非平穩(wěn)信號(hào)為主的齒輪箱的不同工況,應(yīng)用小波包分解、重構(gòu)方法,將提取到的能量特征值作為齒輪箱的特征向量。 (2)數(shù)據(jù)辨識(shí)方法的研究。把提取到的齒輪箱特征向量樣本代入到由多個(gè)2分類(lèi)器支持向量機(jī)構(gòu)建的多分類(lèi)器支持向量機(jī)中訓(xùn)練、建模,再結(jié)合2叉決策數(shù)理論和投票理論,將余下的樣本代入測(cè)試,得出7種故障的分類(lèi)結(jié)果。 實(shí)驗(yàn)結(jié)果表面,該方法在分類(lèi)時(shí)間和精度方面擁有著不俗的表現(xiàn),辨識(shí)能力很強(qiáng),使用數(shù)理統(tǒng)計(jì)知識(shí)計(jì)算,正確率達(dá)到(95.2士0.88)%,可以推廣到應(yīng)用實(shí)踐。
【關(guān)鍵詞】：小波包 支持向量機(jī) 齒輪箱 滾動(dòng)軸承
【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】：2013
【分類(lèi)號(hào)】：TH132.41;TH165.3
【目錄】：

• 摘要3-5
• ABSTRACT5-7
• 目錄7-10
• 第一章 緒論10-20
• 1.1 課題的提出和目的10
• 1.2 齒輪箱故障診斷技術(shù)綜述10-13
• 1.2.1 齒輪箱故障診斷技術(shù)綜述及國(guó)內(nèi)外發(fā)展現(xiàn)狀10-11
• 1.2.2 齒輪箱故障診斷技術(shù)研究動(dòng)態(tài)11-12
• 1.2.3 齒輪箱故障診斷技術(shù)發(fā)展趨勢(shì)12-13
• 1.2.4 齒輪箱故障診斷的流程13
• 1.3 小波理論的發(fā)展及基于小波分析的齒輪箱故障診斷現(xiàn)狀13-15
• 1.3.1小波分析及小波包分析理論的發(fā)展13-14
• 1.3.2 小波包故障提取技術(shù)研究現(xiàn)狀14-15
• 1.4 支持向量機(jī)理論的發(fā)展及研究方向15-16
• 1.4.1 支持向量機(jī)的國(guó)內(nèi)外發(fā)展概括15
• 1.4.2 支持向量機(jī)的研究發(fā)展動(dòng)態(tài)15-16
• 1.5 本文的主要研究?jī)?nèi)容及結(jié)構(gòu)安排16-20
• 1.5.1 主要研究?jī)?nèi)容16-17
• 1.5.2 論文結(jié)構(gòu)安排17-20
• 第二章 齒輪箱的故障類(lèi)型及振動(dòng)機(jī)理20-32
• 2.1 齒輪箱故障的主要形式20-21
• 2.2 齒輪的故障類(lèi)型和振動(dòng)機(jī)理21-26
• 2.2.1 齒輪的故障類(lèi)型21
• 2.2.2 齒輪的振動(dòng)機(jī)理21-26
• 2.3 滾動(dòng)軸承的故障類(lèi)型及振動(dòng)機(jī)理26-30
• 2.3.1 滾動(dòng)軸承的振動(dòng)機(jī)理26-27
• 2.3.2 滾動(dòng)軸承的主要故障模式27-29
• 2.3.3 滾動(dòng)軸承的故障特征信息29-30
• 2.4 本章小結(jié)30-32
• 第三章 齒輪箱模擬故障試驗(yàn)32-38
• 3.1 數(shù)據(jù)采集系統(tǒng)的構(gòu)成32-33
• 3.1.1 齒輪箱模擬故障試驗(yàn)臺(tái)裝置32
• 3.1.2 振動(dòng)信號(hào)采集裝置32-33
• 3.2 測(cè)點(diǎn)布置33-34
• 3.3 齒輪箱故障模擬34-37
• 3.4 本章小結(jié)37-38
• 第四章 小波包分析理論及對(duì)特征向量的提取38-56
• 4.1 小波分析38-44
• 4.1.1 連續(xù)小波變換(CWT)38-39
• 4.1.2 離散小波變換(DWT)39-40
• 4.1.3 多分辨率分析40-42
• 4.1.4正交小波變換42-44
• 4.2 小波包分析44-48
• 4.2.1 小波包的定義44-45
• 4.2.2 小波包的子空間分解45-46
• 4.2.3 小波包的重構(gòu)46-47
• 4.2.4 使用小波包對(duì)振動(dòng)信號(hào)畫(huà)出最優(yōu)小波包樹(shù)47-48
• 4.3 小波包降噪48-51
• 4.3.1 小波降噪方法48-49
• 4.3.2 應(yīng)用小波方法進(jìn)行信號(hào)去噪的仿真分析49-50
• 4.3.3 故障齒輪箱的小波包去噪分析50-51
• 4.4 齒輪箱信號(hào)能量特征向量的提取51-54
• 4.4.1 基于小波包的齒輪箱信號(hào)提取能量特征向量方法51-52
• 4.4.2 小波包對(duì)齒輪箱故障能量特征向量的提取52-54
• 4.5 小結(jié)54-56
• 第五章 支持向量機(jī)識(shí)別方法研究56-68
• 5.1 支持向量機(jī)理論基礎(chǔ)56-59
• 5.1.1 概述56-57
• 5.1.2 統(tǒng)計(jì)學(xué)習(xí)理論57-59
• 5.2 支持向量機(jī)的基本原理59-63
• 5.2.1 線性分類(lèi)問(wèn)題59-61
• 5.2.2 近似線性分類(lèi)問(wèn)題61-62
• 5.2.3 非線性分類(lèi)問(wèn)題62-63
• 5.2.4 核函數(shù)63
• 5.3 本課題懲罰函數(shù)C及核函數(shù)的選擇63-67
• 5.3.1 懲罰函數(shù)C的選取63-64
• 5.3.2 核函數(shù)的選取64-67
• 5.4 本章小結(jié)67-68
• 第六章 支持向量機(jī)多類(lèi)故障分類(lèi)器構(gòu)建及應(yīng)用68-80
• 6.1 多分類(lèi)支持向量機(jī)分類(lèi)方法68-72
• 6.1.1 “一對(duì)多”算法(One-against-the rest)68-69
• 6.1.2 “一對(duì)一”算法(One-agaisnt-one)69-70
• 6.1.3 有向無(wú)環(huán)圖支持向量機(jī)(Directed Acyclic G-raph)70-71
• 6.1.4 SVM決策樹(shù)支持向量機(jī)(Multi-class SVM)71-72
• 6.2 基于SVM決策樹(shù)的多類(lèi)算法的建立72-77
• 6.2.1 SVM決策樹(shù)支持向量機(jī)的分析73
• 6.2.2 投票理論簡(jiǎn)介73-74
• 6.2.3 基于SVM決策樹(shù)的多分類(lèi)算法74-77
• 6.3 基于SVM決策樹(shù)的多分類(lèi)算法對(duì)齒輪箱能量特征向量的識(shí)別77-78
• 6.4 小結(jié)78-80
• 第七章 結(jié)論80-82
• 7.1 結(jié)論80-81
• 7.2 展望81-82
• 參考文獻(xiàn)82-86
• 致謝86-88
• 攻讀碩士學(xué)位期間發(fā)表的論文88

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 高立新,韓金順,張建宇,丁慶新,崔玲麗;基于小波分析的大型齒輪箱低速軸故障診斷[J];北京科技大學(xué)學(xué)報(bào);2005年03期

2 李華;;基于小波-模糊神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷[J];傳感技術(shù)學(xué)報(bào);2006年03期

3 簡(jiǎn)小剛;張艷偉;馮躍;;工程機(jī)械故障診斷技術(shù)的研究現(xiàn)狀與發(fā)展趨勢(shì)[J];中國(guó)工程機(jī)械學(xué)報(bào);2005年04期

4 李建華;;設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)綜述[J];廣東化工;2009年12期

5 龔雪;;工程機(jī)械智能故障診斷技術(shù)的研究現(xiàn)狀及發(fā)展趨勢(shì)[J];機(jī)床與液壓;2011年14期

6 劉志剛,李德仁,秦前清,史文中;支持向量機(jī)在多類(lèi)分類(lèi)問(wèn)題中的推廣[J];計(jì)算機(jī)工程與應(yīng)用;2004年07期

7 鄭勇濤,劉玉樹(shù);支持向量機(jī)解決多分類(lèi)問(wèn)題研究[J];計(jì)算機(jī)工程與應(yīng)用;2005年23期

8 陸人定;;齒輪箱故障時(shí)域和頻域綜合診斷技術(shù)[J];機(jī)電工程技術(shù);2007年06期

9 張周鎖,李凌均,何正嘉;基于支持向量機(jī)的多故障分類(lèi)器及應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2004年05期

10 馬笑瀟,黃席樾,柴毅;基于SVM的二叉樹(shù)多類(lèi)分類(lèi)算法及其在故障診斷中的應(yīng)用[J];控制與決策;2003年03期

  本文關(guān)鍵詞：基于小波包分析和支持向量機(jī)的齒輪箱故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：360278