本文關(guān)鍵詞：基于SVM的齒輪箱故障智能診斷技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：旋轉(zhuǎn)機(jī)械在機(jī)械設(shè)備中占很大比重,而齒輪箱又為旋轉(zhuǎn)機(jī)械的重要變速傳動(dòng)部件之一,其運(yùn)行正常與否關(guān)系到整臺(tái)機(jī)器的工作狀況。由于齒輪箱特殊的工作環(huán)境,其部件容易受到損壞而出現(xiàn)故障。因此以齒輪箱作為機(jī)械設(shè)備故障診斷與狀態(tài)監(jiān)測(cè)的研究對(duì)象具有較好的現(xiàn)實(shí)意義。 故障智能診斷是一門(mén)涉及多個(gè)領(lǐng)域技術(shù),并且正在發(fā)展的新興綜合學(xué)科,雖然許多方法和理論已被研究多年,但完整的故障智能診斷的理論還并未成熟,許多問(wèn)題尚有待于進(jìn)一步探索和研究。本論文結(jié)合企業(yè)需求,圍繞齒輪箱故障診斷展開(kāi),研究齒輪箱典型故障,如齒輪故障、軸承故障的產(chǎn)生機(jī)理以及診斷方法,對(duì)故障特征提取進(jìn)行研究,最后通過(guò)支持向量機(jī)(Support Vector Machine, SVM)實(shí)現(xiàn)齒輪箱的故障智能診斷。 在故障特征提取技術(shù)方面,論文研究了能有效提取故障特征信息的譜峭度包絡(luò)分析技術(shù),利用AR模型對(duì)齒輪箱故障信號(hào)進(jìn)行預(yù)白化處理,得到?jīng)_擊故障增強(qiáng)信號(hào)。然后使用基于復(fù)平移Morlet小波和譜峭度的改進(jìn)包絡(luò)分析方法對(duì)故障增強(qiáng)信號(hào)進(jìn)行特征提取。最后以故障特征頻率為中心頻率,對(duì)帶寬50Hz內(nèi)的各頻帶進(jìn)行包括能量、峰值、峭度值等的故障特征值提取,將提取的特征值形成矩陣,作為SVM的特征矩陣。 在故障智能診斷技術(shù)方面,論文研究了遺傳算法(Genetic Algorithm, GA)參數(shù)尋優(yōu)方法以及SVM的分類(lèi)原理。結(jié)合交叉驗(yàn)證(Cross Validation, CV)方法,將CV意義下的準(zhǔn)確率作為GA中的適應(yīng)度函數(shù)值,利用GA對(duì)SVM中的參數(shù)進(jìn)行優(yōu)化,有效地避免了過(guò)學(xué)習(xí)和欠學(xué)習(xí)狀態(tài)的發(fā)生,最終對(duì)于測(cè)試集的預(yù)測(cè)得到較理想的準(zhǔn)確率。仿真和實(shí)際測(cè)試試驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。
【關(guān)鍵詞】：齒輪箱 特征提取 譜峭度 遺傳算法 支持向量機(jī)
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：TH165.3;TH132.4
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-17
• 1.1 課題研究背景及意義11-13
• 1.1.1 課題來(lái)源11
• 1.1.2 課題研究背景11-12
• 1.1.3 課題研究意義12-13
• 1.2 故障診斷技術(shù)國(guó)內(nèi)外研究概況13-15
• 1.3 論文主要研究?jī)?nèi)容與結(jié)構(gòu)安排15-17
• 1.3.1 主要研究?jī)?nèi)容15
• 1.3.2 論文結(jié)構(gòu)安排15-17
• 第二章 齒輪箱故障診斷基礎(chǔ)17-29
• 2.1 齒輪故障診斷基礎(chǔ)17-23
• 2.1.1 齒輪常見(jiàn)失效形式及原因18-19
• 2.1.2 齒輪振動(dòng)機(jī)理及振動(dòng)特征頻率19-23
• 2.2 滾動(dòng)軸承故障診斷基礎(chǔ)23-27
• 2.2.1 滾動(dòng)軸承常見(jiàn)失效形式及原因23-25
• 2.2.2 滾動(dòng)軸承振動(dòng)機(jī)理及振動(dòng)特征頻率25-27
• 2.3 齒輪箱故障診斷方法27-28
• 2.3.1 齒輪故障振動(dòng)診斷方法27-28
• 2.3.2 滾動(dòng)軸承故障振動(dòng)診斷方法28
• 2.4 本章小結(jié)28-29
• 第三章 基于譜峭度的包絡(luò)特征提取29-45
• 3.1 譜峭度理論與定義29-30
• 3.2 基于小波變換的譜峭度計(jì)算30-32
• 3.2.1 小波變換30-31
• 3.2.2 復(fù)平移Morlet小波31
• 3.2.3 基于復(fù)平移Morlet小波的譜峭度計(jì)算31-32
• 3.3 譜峭度快速計(jì)算方法32-34
• 3.4 基于譜峭度的包絡(luò)分析34-39
• 3.4.1 基于AR模型的沖擊振動(dòng)增強(qiáng)35
• 3.4.2 包絡(luò)分析35-36
• 3.4.3 基于譜峭度的包絡(luò)分析算法36-39
• 3.5 故障特征參數(shù)的提取39
• 3.6 仿真實(shí)驗(yàn)驗(yàn)證39-44
• 3.7 本章小結(jié)44-45
• 第四章 基于SVM的故障智能診斷技術(shù)研究45-61
• 4.1 機(jī)器學(xué)習(xí)問(wèn)題的描述46-49
• 4.1.1 機(jī)器學(xué)習(xí)模型46-47
• 4.1.2 主要的學(xué)習(xí)問(wèn)題47
• 4.1.3 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則47-48
• 4.1.4 復(fù)雜性與推廣能力48-49
• 4.2 統(tǒng)計(jì)學(xué)習(xí)理論49-53
• 4.2.1 學(xué)習(xí)過(guò)程的一致性理論49-50
• 4.2.2 VC維50-51
• 4.2.3 推廣性的界51-52
• 4.2.4 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則52-53
• 4.3 支持向量機(jī)53-57
• 4.3.1 SVM的基本原理53-54
• 4.3.2 最優(yōu)超平面54-55
• 4.3.3 SVM的幾何解釋55-56
• 4.3.4 核函數(shù)56-57
• 4.4 遺傳算法57-58
• 4.5 基于GA的改進(jìn)SVM算法58-60
• 4.6 本章小結(jié)60-61
• 第五章 試驗(yàn)研究及結(jié)果分析61-83
• 5.1 仿真試驗(yàn)61-68
• 5.2 實(shí)測(cè)試驗(yàn)方案設(shè)計(jì)68-69
• 5.3 實(shí)測(cè)試驗(yàn)過(guò)程69-82
• 5.3.1 試驗(yàn)設(shè)備69-70
• 5.3.2 傳感器標(biāo)定70-72
• 5.3.3 傳感器安裝72-73
• 5.3.4 數(shù)據(jù)采集73
• 5.3.5 試驗(yàn)數(shù)據(jù)分析73-79
• 5.3.6 與PSO參數(shù)尋優(yōu)方法的比較79-82
• 5.4 本章小結(jié)82-83
• 第六章 結(jié)論與展望83-85
• 6.1 研究結(jié)論83-84
• 6.2 存在的不足與展望84-85
• 6.2.1 存在的主要問(wèn)題84
• 6.2.2 展望84-85
• 致謝85-87
• 參考文獻(xiàn)87-91

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張金敏;翟玉千;王思明;;小波分解和最小二乘支持向量機(jī)的風(fēng)機(jī)齒輪箱故障診斷[J];傳感器與微系統(tǒng);2011年01期

2 魏秀業(yè);潘宏俠;;齒輪箱故障診斷技術(shù)現(xiàn)狀及展望[J];測(cè)試技術(shù)學(xué)報(bào);2006年04期

3 魏玉果;湯寶平;程發(fā)斌;秦曉峰;;基于階比跟蹤的全息譜技術(shù)[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

4 趙艷麗,劉奇志,白士紅;模糊關(guān)聯(lián)方法在齒輪箱故障診斷中的應(yīng)用[J];沈陽(yáng)航空工業(yè)學(xué)院學(xué)報(bào);2003年02期

5 于德介,程軍圣,楊宇;Hilbert能量譜及其在齒輪故障診斷中的應(yīng)用[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

6 杜設(shè)亮,傅建中,陳子辰,麥云飛;基于BP神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷系統(tǒng)研究[J];機(jī)電工程;1999年05期

7 李儉川,胡蔦慶,秦國(guó)軍,溫熙森;基于故障樹(shù)的貝葉斯網(wǎng)絡(luò)建造方法與故障診斷應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2003年24期

8 張金,張耀輝,黃漫國(guó);倒頻譜分析法及其在齒輪箱故障診斷中的應(yīng)用[J];機(jī)械工程師;2005年08期

9 徐躍進(jìn);;齒輪箱中齒輪故障的振動(dòng)分析與診斷[J];機(jī)械設(shè)計(jì);2009年12期

10 袁佳勝;馮志華;;基于相關(guān)分析與小波變換的齒輪箱故障診斷[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2007年08期

  本文關(guān)鍵詞：基于SVM的齒輪箱故障智能診斷技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：456970