隨著機械設備復雜程度和自動化水平的提高,機械設備故障診斷的重要性日益顯著,而選擇合適的診斷方法和系統(tǒng)對于診斷結果是否精確就顯得更為重要。由于調制現象廣泛存在于齒輪箱的振動信號中,就需要尋求有效的解調方法。在智能診斷系統(tǒng)中,人工神經網絡模仿人腦的物理結構,以其強大的并行運算和聯想能力非常適合于機械設備故障診斷。為了提取早期數據的故障信息,更有效地對設備進行故障診斷,本文提出了基于解調分析和BP網絡的齒輪箱智能診斷技術研究。 本文主要研究了時域診斷參數在故障發(fā)展中的趨勢分析,解調方法提取早期故障特征,基于混合推理和BP神經網絡技術的智能診斷系統(tǒng)設計等。其中包括軸承實驗臺數據分析,現場齒輪打齒數據分析等。針對各種軸承狀態(tài),進行診斷指標統(tǒng)計;通過解調分析和基于EMD分解的方法等來補充傳統(tǒng)的頻譜分析對各時期的故障特征進行提取;這些信號分析方法的一些診斷參數也作為輸入向量進行BP網絡的學習和訓練;研究了人工神經網絡的基本原理、模型結構和算法,針對齒輪箱的典型故障特征,確定了適合故障診斷的神經網絡的模型,并對現場發(fā)生的故障進行分析與診斷,證明網絡可以大大提高故障診斷的準確度。神經網絡技術的應用豐富齒輪箱智能診斷系統(tǒng)的功能�？傮w上是在案例推理和規(guī)則推理的基礎上再結合BP神經網絡技術,使智能診斷系統(tǒng)更加有效地進行智能診斷。
【學位單位】：北京工業(yè)大學
【學位級別】：碩士
【學位年份】：2009
【中圖分類】：TH132.41
【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 本課題的研究背景和意義
    1.2 本課題的研究現狀
        1.2.1 設備故障診斷的研究現狀
        1.2.2 智能診斷方法和系統(tǒng)的研究現狀
        1.2.3 神經網絡的發(fā)展及其優(yōu)缺點
    1.3 本課題的研究內容
第2章 齒輪箱典型故障沖擊特征的辨識與分析
    2.1高線軋機齒輪箱結構特征及其振動特性
    2.2 齒輪箱故障診斷振動信號分析及實例
        2.2.1 診斷的時域與頻域指標及診斷實例
        2.2.2 軸承特征向量提取實例
    2.3 早期故障數據解調分析方法的研究
        2.3.1 希爾伯特包絡解調理論
        2.3.2 實際故障案例解調分析
    2.4 本章小結
第3章 EMD解調參數在齒輪箱故障診斷中的運用
    3.1 經驗模式分解（EMD）方法的原理
        3.1.1 應用背景
        3.1.2 固有模態(tài)函數
        3.1.3 經驗模式分解
    3.2 經驗模式分解（EMD）包絡分析的特點及其應用
        3.2.1 基于EMD的包絡分析的特點
        3.2.2 早期數據分析的兩個實例
    3.3 本章小結
第4章 齒輪箱神經網絡推理模型的建立與分析
    4.1 神經網絡概述
        4.1.1 神經網絡的構成
        4.1.2 神經網絡的學習算法及其優(yōu)點
        4.1.3 BP神經網絡在模式識別中的應用概況
    4.1 BP神經網絡及其用于模式識別研究或故障診斷的方法
        4.2.1 BP神經網絡模型結構
        4.2.2 Bp神經網絡設計
    4.3 Bp神經網絡在故障診斷中的應用
        4.3.1 基于時域指標的實驗數據分析
        4.3.2 基于EMD的現場數據分析
    4.4 本章小結
第5章 基于混合推理和神經網絡的智能診斷系統(tǒng)
    5.1 基于知識推理和案例推理的智能系統(tǒng)
        5.1.1 軋機齒輪箱智能診斷系統(tǒng)總體設計
        5.1.2 軋機齒輪箱智能診斷系統(tǒng)主要模塊
        5.1.3 智能診斷系統(tǒng)運行實例
    5.2 集成式專家系統(tǒng)的實現
        5.2.1 神經網絡在齒輪箱智能診斷系統(tǒng)中的設計方案一
        5.2.2 神經網絡在齒輪箱智能診斷系統(tǒng)中的設計方案二
        5.2.3 智能診斷系統(tǒng)整體性優(yōu)化方案
    5.3 本章小結
總結與展望
參考文獻
攻讀碩士期間的成果及論文
致謝

【相似文獻】

相關期刊論文 前10條

1 陳逸華;寶鋼1420軋機主傳動齒輪箱的研制[J];機械制造與自動化;1999年02期

2 龔雯;基于模糊理論的機械加工誤差源智能診斷方法研究[J];組合機床與自動化加工技術;2003年09期

3 邱天高,趙志高,黃其柏;基于頻譜分析的齒輪箱噪聲源診斷[J];機械傳動;2004年01期

4 金洪星,胡平;腦電圖檢測和智能診斷系統(tǒng)的研究[J];南京工業(yè)大學學報(自然科學版);2005年01期

5 黃富瑄;;液壓系統(tǒng)故障診斷方法綜述[J];液壓與氣動;2006年01期

6 施宇;霍春寶;毛亮;;基于模糊神經網絡的腹痛疾病診斷系統(tǒng)的研究[J];遼寧工學院學報;2007年01期

7 于杰棟;王宏偉;武寶喜;皇甫雅志;裴學智;;鐵譜分析技術在齒輪箱故障診斷中的應用[J];設備管理與維修;2007年07期

8 宋慶華;;淺論齒輪箱中零部件的常見失效形式[J];科學大眾;2008年10期

9 雷逢春;;皮帶運輸機故障智能診斷系統(tǒng)研究[J];科技創(chuàng)新導報;2010年22期

10 王曙;劉紅星;白志平;李馬;王正祥;鄭維軍;;齒輪箱滾動軸承振動診斷的難點與對策[J];中國設備工程;2011年04期

相關博士學位論文 前10條

1 徐向陽;柔性銷軸式風電齒輪箱動力學研究[D];重慶大學;2012年

2 胡邦喜;基于信息化的現代大型企業(yè)設備管理理論與方法研究[D];武漢理工大學;2007年

3 劉義艷;結構健康監(jiān)測與智能診斷技術研究[D];長安大學;2010年

4 傅瑜;小波分析在旋轉機械故障診斷中的應用[D];西安電子科技大學;1998年

5 許明;錨固系統(tǒng)質量的無損檢測與智能診斷技術研究[D];重慶大學;2002年

6 丁克北;離心壓縮機組振動智能診斷關鍵技術研究[D];大慶石油學院;2005年

7 白廣來;船舶柴油機智能監(jiān)測與智能診斷的研究[D];大連海事大學;2003年

8 王新晴;齒輪箱不解體診斷技術研究[D];天津大學;1998年

9 張蔚波;基于子系統(tǒng)分析的多維耦合系統(tǒng)功率流傳遞特性研究[D];山東大學;2003年

10 王文銘;基于數據倉庫的礦山企業(yè)信息系統(tǒng)及其應用研究[D];東北大學;2000年

相關碩士學位論文 前10條

1 張亮;風力發(fā)電機組齒輪箱早期故障診斷方法研究[D];大連理工大學;2010年

2 陳晗霄;基于虛擬儀器的大型高速齒輪箱故障診斷系統(tǒng)研究[D];電子科技大學;2010年

3 薛顯光;某船用齒輪箱的動態(tài)特性分析和優(yōu)化研究[D];重慶理工大學;2010年

4 付松;關于風電機齒輪箱傳動系統(tǒng)振動特性的分析研究[D];新疆大學;2011年

5 許琦;大型風力發(fā)電機齒輪箱動力學分析[D];沈陽工業(yè)大學;2011年

6 張捷;基于神經網絡的齒輪箱智能故障診斷技術的研究[D];江蘇大學;2003年

7 楊紹波;兆瓦級以上風電齒輪箱傳動系統(tǒng)的結構與性能研究[D];西華大學;2011年

8 祝儒德;風機齒輪箱監(jiān)測診斷系統(tǒng)的研究與實現[D];哈爾濱工業(yè)大學;2010年

9 羅家元;齒輪箱系統(tǒng)耦合動態(tài)特性研究[D];重慶大學;2004年

10 邢鈞;基于小波分析的齒輪箱故障診斷技術的研究和應用[D];北京工業(yè)大學;2002年

本文編號：2866574