本文關(guān)鍵詞：基于數(shù)據(jù)挖掘技術(shù)在齒輪箱故障診斷的應(yīng)用

  更多相關(guān)文章： 齒輪箱 故障診斷 數(shù)據(jù)挖掘 粗糙決策樹(shù)

【摘要】：齒輪傳動(dòng)是機(jī)械設(shè)備中最常見(jiàn)的傳動(dòng)方式,齒輪異常又是引起機(jī)器故障的重要原因。在當(dāng)今社會(huì)中計(jì)算機(jī)在各企業(yè)生產(chǎn)中應(yīng)用越來(lái)越來(lái)廣泛,這對(duì)于目前各企業(yè)當(dāng)中自動(dòng)化程度很高的復(fù)雜設(shè)備的運(yùn)行數(shù)據(jù)的記錄處理有很大的幫助。但是設(shè)備越復(fù)雜和高端,其數(shù)據(jù)越是龐大。把計(jì)算機(jī)中的數(shù)據(jù)挖掘技術(shù)應(yīng)用于設(shè)備的遠(yuǎn)程故障診斷,將會(huì)改善以往傳統(tǒng)診斷方式中的滯后性、高費(fèi)用和無(wú)法預(yù)知的現(xiàn)狀。數(shù)據(jù)挖掘技術(shù)具有數(shù)據(jù)分析和處理的功能,它的這種智能診斷的優(yōu)點(diǎn)已經(jīng)在各行業(yè)中得到廣泛的推廣和應(yīng)用。本文首先重點(diǎn)對(duì)齒輪箱各零件的故障特征以及特征參數(shù)給予了解釋。然后詳細(xì)介紹了幾種特征參數(shù)提取的方法,同時(shí)通過(guò)齒輪箱振動(dòng)信號(hào)的時(shí)域和頻域分析得到齒輪箱故障樣本參數(shù)數(shù)據(jù)庫(kù)。這樣在對(duì)齒輪箱故障診斷時(shí),通過(guò)對(duì)齒輪箱診斷的傳統(tǒng)方法和智能方法進(jìn)行對(duì)比。然后從數(shù)據(jù)挖掘技術(shù)的概念和特點(diǎn)出發(fā),提出了一種基于數(shù)據(jù)挖掘的故障診斷思想。本文最后重點(diǎn)說(shuō)明數(shù)據(jù)挖掘分類的方法及其原理,在已有的基礎(chǔ)上利用粗糙集理論對(duì)知識(shí)的約簡(jiǎn)能力和C4.5決策樹(shù)算法的快速分類進(jìn)行結(jié)合,并對(duì)此系統(tǒng)進(jìn)行優(yōu)化,然后構(gòu)建了一種新型的經(jīng)過(guò)改進(jìn)的粗糙集決策樹(shù)。最后經(jīng)過(guò)仿真對(duì)齒輪箱故障樣本進(jìn)行檢驗(yàn)表明:首先可以有效地減少特征數(shù)據(jù)獲取的工作量,并能快速準(zhǔn)確地對(duì)不同的故障進(jìn)行識(shí)別,具有比直接利用決策樹(shù)C4.5算法更強(qiáng)的工程實(shí)用性。
【關(guān)鍵詞】：齒輪箱 故障診斷 數(shù)據(jù)挖掘 粗糙決策樹(shù)
【學(xué)位授予單位】：河北工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TH132.41
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-16
• 1.1 齒輪箱診斷研究背景及意義11
• 1.2 齒輪箱故障診斷發(fā)展現(xiàn)狀11-12
• 1.3 齒輪箱系統(tǒng)故障診斷研究現(xiàn)狀12-13
• 1.4 基于數(shù)據(jù)挖掘的故障診斷技術(shù)發(fā)展現(xiàn)狀13-14
• 1.4.1 數(shù)據(jù)挖掘技術(shù)的發(fā)展現(xiàn)狀13-14
• 1.4.2 基于數(shù)據(jù)挖掘故障診斷的發(fā)展現(xiàn)狀14
• 1.5 本論文各章節(jié)主要研究?jī)?nèi)容14-15
• 1.6 本章小結(jié)15-16
• 第2章 齒輪箱故障分類及其振動(dòng)機(jī)理研究16-33
• 2.1 齒輪箱故障分類及振動(dòng)機(jī)理16-29
• 2.1.1 齒輪故障及振動(dòng)機(jī)理16-23
• 2.1.2 轉(zhuǎn)軸故障及成因23-24
• 2.1.3 軸承故障及成因24-29
• 2.2 齒輪箱故障模型分析29-32
• 2.2.1 齒輪箱調(diào)制模型29-30
• 2.2.2 齒輪箱故障幅值調(diào)制分析30-32
• 2.6 本章小結(jié)32-33
• 第3章 齒輪箱故障特征及特征信號(hào)提取33-52
• 3.1 齒輪箱故障時(shí)頻域特征33-40
• 3.1.1 齒輪均勻磨損33-35
• 3.1.2 齒輪裂紋齒35
• 3.1.3 齒輪斷齒35-37
• 3.1.4 齒面膠合和點(diǎn)蝕37
• 3.1.5 裂紋軸37
• 3.1.6 軸不平衡37
• 3.1.7 軸輕度彎曲37
• 3.1.8 軸承故障37-40
• 3.2 齒輪箱故障信號(hào)采集與特征提取40-51
• 3.2.1 齒輪箱故障模擬實(shí)驗(yàn)平臺(tái)介紹40-41
• 3.2.2 測(cè)點(diǎn)和傳感器的選擇41-44
• 3.2.3 特征信號(hào)采集與處理44-48
• 3.2.4 振動(dòng)信號(hào)的特征提取48-50
• 3.2.5 齒輪箱故障特征參數(shù)50-51
• 3.3 本章小結(jié)51-52
• 第4章 齒輪箱故診斷方法及基于數(shù)據(jù)挖掘方法研究52-65
• 4.1 齒輪箱主要故障診斷方法52-60
• 4.1.1 時(shí)域故障診斷方法53-54
• 4.1.2 頻域域故障診斷方法54-56
• 4.1.3 小波分析故障診斷方法56-57
• 4.1.4 神經(jīng)網(wǎng)絡(luò)故障診斷方法57-59
• 4.1.5 專家系統(tǒng)故障診斷方法59-60
• 4.2 基于數(shù)據(jù)挖掘技術(shù)的齒輪箱故障診斷60-64
• 4.2.1 數(shù)據(jù)挖掘定義60
• 4.2.2 數(shù)據(jù)挖掘過(guò)程60-62
• 4.2.3 數(shù)據(jù)挖掘的功能62-63
• 4.2.4 數(shù)據(jù)挖掘常用方法63-64
• 4.3 本章小結(jié)64-65
• 第5章 基于數(shù)據(jù)挖掘分類在齒輪箱故障診斷的應(yīng)用65-83
• 5.1 數(shù)據(jù)分類65-66
• 5.2 決策樹(shù)方法66-71
• 5.2.1 決策樹(shù)生成算法67-68
• 5.2.2 樹(shù)剪枝68
• 5.2.3 ID3算法68-69
• 5.2.4 C4.5 算法69-71
• 5.3 粗糙集方法71-74
• 5.3.1 理論基礎(chǔ)71-72
• 5.3.2 屬性約簡(jiǎn)72-74
• 5.4 基于粗糙集決策樹(shù)的齒輪箱故障診斷研究74-76
• 5.4.1 粗糙決策樹(shù)算法描述74
• 5.4.2 粗糙集屬性約簡(jiǎn)算法及其改進(jìn)74-75
• 5.4.3 粗糙決策樹(shù)算法模型75-76
• 5.5 基于粗糙決策樹(shù)的齒輪箱數(shù)據(jù)挖掘仿真76-82
• 5.5.1 基于粗糙決策樹(shù)的齒輪箱故障數(shù)據(jù)分析76-80
• 5.5.2 仿真結(jié)果分析80-82
• 5.6 本章小結(jié)82-83
• 結(jié)論與展望83-84
• 致謝84-85
• 參考文獻(xiàn)85-88
• 附表88-96
• 作者簡(jiǎn)介96
• 攻讀碩士學(xué)位期間發(fā)表的論文96-97

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張玉;;基于振動(dòng)信號(hào)分析的齒輪箱故障診斷[J];儀器儀表與分析監(jiān)測(cè);2011年01期

2 李盛其;;中國(guó)齒輪行業(yè)“十二五”發(fā)展規(guī)劃綱要(上)[J];現(xiàn)代零部件;2011年01期

3 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

4 高正明;何彬;趙娟;裴永泉;左廣霞;;常用故障特征提取方法[J];機(jī)床與液壓;2009年12期

5 安茂春;;故障診斷專家系統(tǒng)及其發(fā)展[J];計(jì)算機(jī)測(cè)量與控制;2008年09期

6 岳峰杰,安靖紅,段富生;振動(dòng)測(cè)量參數(shù)在故障診斷中的應(yīng)用分析[J];風(fēng)機(jī)技術(shù);2005年03期

7 朱大奇;人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[J];江南大學(xué)學(xué)報(bào);2004年01期

8 李曉虎,賈民平,許飛云;頻譜分析法在齒輪箱故障診斷中的應(yīng)用[J];振動(dòng)、測(cè)試與診斷;2003年03期

9 何勇,李增芳;智能化故障診斷技術(shù)的研究與應(yīng)用[J];浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版);2003年02期

10 馮志敏,王穎;智能化故障診斷系統(tǒng)的研究與開(kāi)發(fā)[J];中國(guó)航海;2003年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 王慶東;基于粗糙集的數(shù)據(jù)挖掘方法研究[D];浙江大學(xué);2005年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 吳治南;基于小波變換與PNN神經(jīng)網(wǎng)絡(luò)相結(jié)合的滾動(dòng)軸承故障診斷[D];河北工程大學(xué);2015年

2 趙志強(qiáng);基于集合經(jīng)驗(yàn)?zāi)Ｊ椒纸馀c徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷[D];河北工程大學(xué);2015年

3 楊一展;數(shù)據(jù)挖掘技術(shù)在故障診斷中的應(yīng)用研究[D];西安電子科技大學(xué);2008年

4 鄧士娟;基于數(shù)據(jù)挖掘技術(shù)的軸承壽命預(yù)測(cè)的研究[D];大連海事大學(xué);2006年

5 徐宗龍;數(shù)據(jù)挖掘在齒輪箱故障診斷中的應(yīng)用研究[D];中北大學(xué);2006年

6 石金彥;基于規(guī)則的數(shù)據(jù)挖掘方法在故障診斷中的應(yīng)用[D];鄭州大學(xué);2003年

，

本文編號(hào)：905526