針對(duì)機(jī)車(chē)齒輪箱檢測(cè)獲取的多源信號(hào)具有數(shù)據(jù)量大、相關(guān)性低和可靠性差等問(wèn)題,提出一種新型智能優(yōu)化算法為多元函數(shù)粒子群優(yōu)化算法。研究了粒子種群的異眾比率和適應(yīng)度對(duì)慣性權(quán)重的影響,在傳統(tǒng)粒子群算法的基礎(chǔ)上提高了算法的收斂速度及效率,以正則化模態(tài)差的適應(yīng)度函數(shù)作為測(cè)點(diǎn)數(shù)量的評(píng)價(jià)指標(biāo),根據(jù)齒輪箱模態(tài)振型分析,實(shí)現(xiàn)了齒輪箱的多傳感器檢測(cè)優(yōu)化。以齒輪斷齒故障為試驗(yàn)對(duì)象,通過(guò)與傳統(tǒng)檢測(cè)方法比較分析,準(zhǔn)確獲取了齒輪箱輸入軸轉(zhuǎn)頻39.5 Hz,第三級(jí)嚙合頻率90.5 Hz以及2～5倍頻成分,快速識(shí)別了故障齒輪的位置。實(shí)驗(yàn)結(jié)果表明了該方法能夠增強(qiáng)結(jié)構(gòu)參數(shù)的識(shí)別率,有效提高了故障診斷的準(zhǔn)確性,同時(shí)為機(jī)車(chē)故障預(yù)警和安全服役提供了關(guān)鍵技術(shù)基礎(chǔ)。

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖8 右側(cè)箱體初選測(cè)點(diǎn)布置

圖7左側(cè)箱體初選測(cè)點(diǎn)布置4.2實(shí)驗(yàn)分析

圖1 多元函數(shù)粒子群算法的流程

基于種群的異眾比率和適應(yīng)度對(duì)慣性權(quán)重的影響,本文提出了多元函數(shù)粒子群算法,該算法具有收斂速度快且不易陷入局部最優(yōu)解的特點(diǎn)。圖1所示為多元函數(shù)粒子群算法的流程。具體步驟如下。1)對(duì)種群中粒子進(jìn)行隨機(jī)初始化:種群規(guī)模m、位置xi、速度vi、pi歷史最優(yōu)和pg全局最優(yōu),將每個(gè)粒子均勻的....

圖2 動(dòng)力傳動(dòng)故障診斷綜合實(shí)驗(yàn)臺(tái)

以動(dòng)力傳動(dòng)故障診斷綜合實(shí)驗(yàn)臺(tái)(dynasticdiagnosisstation,DDS)的定軸齒輪箱為試驗(yàn)研究對(duì)象,如圖2所示,其中,齒輪傳動(dòng)如圖3所示。為了建立齒輪箱傳感器優(yōu)化的適應(yīng)度函數(shù),須對(duì)其進(jìn)行有限元建模及模態(tài)計(jì)算,通過(guò)有限元模態(tài)計(jì)算結(jié)果和式(7)、(8)構(gòu)造的正則....

圖3 齒輪箱傳動(dòng)示意圖

圖2動(dòng)力傳動(dòng)故障診斷綜合實(shí)驗(yàn)臺(tái)圖4齒輪箱體網(wǎng)格劃分模型

本文編號(hào)：4047749