齒輪箱是傳動機械中重要零部件,其運行狀態(tài)關系到整個機械設備的生產。齒輪箱的運行環(huán)境和工況比較復雜,齒輪是其中容易發(fā)生故障的元件。據(jù)統(tǒng)計,齒輪裂紋和齒面斷裂這兩種故障類型占齒輪所有故障類型的將近一半之多。因此,對齒輪工況在線監(jiān)測和其裂紋的識別預警很有必要。粒子群優(yōu)化算法(簡稱PSO算法)是一種用來尋求最優(yōu)解的群體智能算法,本文首先在PSO中引入一種變異操作算子對算法進行一定改進,并對改進后的PSO與傳統(tǒng)PSO之間的優(yōu)越性進行仿真對比分析。然后在改進PSO的基礎上,結合RBF網(wǎng)絡優(yōu)化所需解決的具體問題,建立了一種基于變異算子的PSO優(yōu)化RBF網(wǎng)絡的模型。基本思路是:加入變異算子來改進傳統(tǒng)PSO,改進后的PSO用來優(yōu)化RBF網(wǎng)絡的權值和閾值等參數(shù),優(yōu)化后的網(wǎng)絡模型用到齒輪箱故障識別。目的在于對齒輪箱中齒輪的各種故障情況做出及時、精準的識別,提升齒輪箱的壽命和穩(wěn)定性,把齒輪箱故障帶來的經濟損失降到最低水平。本文選取主動輪的裂紋故障作為研究對象,故障表現(xiàn)形式為四種不同程度的損壞,并設計了實驗采集了振動信號。運用小波包分解重構對實驗原始信號進行了去噪,提取了8種對故障敏感的時域特征參量。利用本文提...

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的目的和意義
    1.2 齒輪箱故障診斷技術的研究現(xiàn)狀和發(fā)展趨勢
        1.2.1 研究現(xiàn)狀
        1.2.2 發(fā)展趨勢
        1.2.3 神經網(wǎng)絡在齒輪箱中的應用
    1.3 粒子群優(yōu)化算法的研究簡述
        1.3.1 研究概述
        1.3.2 發(fā)展方向
    1.4 論文的主要研究內容及結構安排
第2章 粒子群優(yōu)化算法研究
    2.1 粒子群優(yōu)化算法概念
        2.1.1 粒子群優(yōu)化算法起源
        2.1.2 粒子群優(yōu)化算法基本原理
        2.1.3 粒子群優(yōu)化算法過程
    2.2 改進的PSO算法
        2.2.1 理論研究完善
        2.2.2 混合算法改進
    2.3 引入變異算子的PSO
    2.4 仿真實驗分析
    2.5 粒子群優(yōu)化算法的應用
    2.6 粒子群優(yōu)化算法的參數(shù)選取
    2.7 本章小結
第3章 基于變異算子的PSO算法優(yōu)化RBF網(wǎng)絡
    3.1 人工神經網(wǎng)絡
        3.1.1 人工神經網(wǎng)絡研究歷程
        3.1.2 RBF神經網(wǎng)絡
    3.2 基于變異算子的PSO優(yōu)化RBF網(wǎng)絡
    3.3 RBF網(wǎng)絡優(yōu)化
        3.3.1 RBF網(wǎng)絡結構設置
        3.3.2 RBF網(wǎng)絡參數(shù)選取
    3.4 本章小結
第4章 齒輪箱故障診斷實驗
    4.1 齒輪箱故障診斷實驗設計裝置
    4.2 故障模式和參數(shù)選取
    4.3 實驗用齒輪傳動結構
        4.3.1 齒輪傳動結構簡述
        4.3.2 實驗對象齒輪選擇
    4.4 齒輪裂紋等級劃分
    4.5 齒輪參數(shù)選擇
    4.6 采樣頻率選擇
    4.7 實驗步驟
    4.8 本章小結
第5章 優(yōu)化后的RBF網(wǎng)絡用于齒輪箱故障診斷
    5.1 齒輪箱故障診斷過程
    5.2 齒輪箱原始振動信號小波包降噪
        5.2.1 小波包降噪原理
        5.2.2 小波包降噪的主要步驟
        5.2.3 齒輪箱原始振動信號小波包降噪結果分析
    5.3 時域特征參數(shù)提取
    5.4 優(yōu)化后的RBF網(wǎng)絡對齒輪箱進行故障診斷
        5.4.1 神經網(wǎng)絡模型建立
    5.5 基于變異算子的PSO算法參數(shù)選取
    5.6 基于變異算子的PSO算法優(yōu)化RBF網(wǎng)絡流程
    5.7 優(yōu)化后的RBF網(wǎng)絡的訓練與測試
    5.8 結果分析
    5.9 本章小結
第6章 總結與展望
    6.1 本文研究工作總結
    6.2 未來研究的展望
參考文獻
攻讀碩士期間已發(fā)表的論文
致謝



本文編號：3831078