本文關(guān)鍵詞：基于波譜模式的齒輪箱故障智能診斷

  更多相關(guān)文章： 齒輪箱 故障診斷 振動信號 特征提取 主元分析 神經(jīng)網(wǎng)絡(luò)

【摘要】：本文采用齒輪箱振動信號的量化特征進行齒輪箱的狀態(tài)分析,提取了常用的時域波形的統(tǒng)計特征、頻譜分布的統(tǒng)計特征和小波包頻帶能量分布特征。齒輪箱的振動信號是由于多種因素的影響,具有高度的非線性,因而顯得復(fù)雜和不規(guī)則的。時域、頻域特征參數(shù)由于計算方法比較簡單直接,物理意義十分明確,但對于齒輪箱的非線性振動信號仍有不足之處。分形分析可通過對非線性的信號進行分析,從中尋求可以揭示其不規(guī)則性的復(fù)雜現(xiàn)象所蘊含的規(guī)律；以整體與局部的自相似性為手段,通過認識局部來映像整體,或通過認識整體進而深化對局部的了解。本文在分析振動信號的去波動趨勢多重分形方法的實現(xiàn)過程的基礎(chǔ)上,針對多重分形參數(shù)的分布特征,構(gòu)造了基于多重分形參數(shù)的振動信號特征指標,使得信號的非線性特征更加充分有效的利用。 特征數(shù)據(jù)集多個維度的指標參數(shù)反映振動信號所包含的信息。同一個特征集內(nèi)的特征指標間不可避免的會出現(xiàn)對振動信號所包含信息敏感度、顯著性的差異,而且不同指標之間還存在一定的相關(guān)性。對此本文在介紹主元分析和核主元分析的基本原理和實現(xiàn)過程的基礎(chǔ)上,對比研究了兩種分析方法在振動信號特征數(shù)據(jù)分析方面的性能。為了綜合利用時域頻域統(tǒng)計特征、頻帶能量特征和多重分形特征,本文還利用主元分析與核主元分析將三種特征集進行融合,提取綜合三種特征的振動信號特征主元,相對與單方面的特征主元,包含更多的信息,有利于提高齒輪箱運行狀態(tài)分析的準確率。 本文采用BP神經(jīng)網(wǎng)絡(luò)對特征數(shù)據(jù)分布模式和齒輪箱的運行狀態(tài)進行學(xué)習(xí)。對比研究了單一特征數(shù)據(jù)和融合特征數(shù)據(jù)訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)的性能差異。同時針對BP神經(jīng)網(wǎng)絡(luò)固有的收斂慢、易陷入局部最優(yōu)的缺陷,對比研究多種改進方法來提升單個神經(jīng)網(wǎng)絡(luò)的性能,并采用多個神經(jīng)網(wǎng)絡(luò)集成的方法,進一步提高神經(jīng)網(wǎng)絡(luò)在齒輪箱故障診斷中性能的穩(wěn)定性和準確率。
【關(guān)鍵詞】：齒輪箱 故障診斷 振動信號 特征提取 主元分析 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-13
• 1.1 課題的研究背景及意義9
• 1.2 齒輪箱故障診斷研究現(xiàn)狀9-11
• 1.2.1 齒輪箱振動信號處理9-10
• 1.2.2 齒輪箱振動信號處理特征提取10
• 1.2.3 特征數(shù)據(jù)處理10-11
• 1.2.4 特征數(shù)據(jù)的分類與識別11
• 1.3 本論文的主要研究內(nèi)容和總體結(jié)構(gòu)11-13
• 第2章 齒輪箱振動信號特征提取13-26
• 2.1 齒輪箱振動信號數(shù)據(jù)預(yù)處理13-15
• 2.1.1 齒輪箱數(shù)據(jù)介紹13
• 2.1.2 振動信號的消除多項式趨勢項和平滑處理13-15
• 2.2 振動信號的特征提取15-24
• 2.2.1 振動信號的時域和頻域統(tǒng)計指標15-17
• 2.2.1.1 時域特征參數(shù)16-17
• 2.2.1.2 頻域特征參數(shù)17
• 2.2.2 基于小波包分解的振動信號特征提取17-20
• 2.2.2.1 小波包頻帶分解原理17-18
• 2.2.2.2 頻帶能量特征提取原理18-19
• 2.2.2.3 小波包分解提取頻帶能量19-20
• 2.2.3 振動信號的多重分形特征20-24
• 2.2.3.1 多重分形定義20
• 2.2.3.2 多重分形過程20-21
• 2.2.3.3 廣義Hurst指數(shù)的估計21-23
• 2.2.3.4 振動信號的多重分形分析23-24
• 2.3 小結(jié)24-26
• 第3章 振動信號的特征數(shù)據(jù)分析26-41
• 3.1 主元分析26-28
• 3.1.1 主元分析的基本原理26-27
• 3.1.2 主元分析的實現(xiàn)步驟27-28
• 3.2 核主元分析28-30
• 3.2.1 基于核主元分析的基本原理28-29
• 3.2.2 基于核主元分析的實現(xiàn)步驟29-30
• 3.3 齒輪箱振動信號特征主元分析與核主元分析30-36
• 3.4 基于主元分析和核主元分析的特征融合36-40
• 3.5 本章小結(jié)40-41
• 第4章 BP神經(jīng)網(wǎng)絡(luò)的改進及其在齒輪箱故障診斷中的應(yīng)用41-51
• 4.1 BP神經(jīng)網(wǎng)絡(luò)原理41-43
• 4.1.1 BP網(wǎng)絡(luò)的前饋計算42-43
• 4.1.2 BP網(wǎng)絡(luò)的權(quán)系數(shù)調(diào)整規(guī)則43
• 4.1.3 隱含層節(jié)點數(shù)43
• 4.2 基于BP神經(jīng)網(wǎng)絡(luò)的齒輪箱振動信號特征數(shù)據(jù)評價與分析43-45
• 4.3 BP神經(jīng)網(wǎng)絡(luò)改進方法在齒輪箱故障診斷中的對比研究45-50
• 4.3.1 啟發(fā)式學(xué)習(xí)技術(shù)及其應(yīng)用46
• 4.3.2 數(shù)字優(yōu)化計算技術(shù)及其應(yīng)用46-47
• 4.3.3 智能搜索技術(shù)及其應(yīng)用47-49
• 4.3.4 神經(jīng)網(wǎng)絡(luò)集成技術(shù)及其應(yīng)用49-50
• 4.4 本章小結(jié)50-51
• 第5章 總結(jié)與展望51-53
• 參考文獻53-58
• 攻讀碩士學(xué)位期間發(fā)表的論文58-59
• 致謝59

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李志農(nóng);王心怡;張新廣;;基于核函數(shù)主元分析的滾動軸承故障模式識別方法[J];軸承;2008年06期

2 費成巍;柏樹生;白廣忱;艾延廷;;轉(zhuǎn)子振動故障的過程功率譜熵特征分析與定量診斷[J];航空發(fā)動機;2011年01期

3 蔣宇;曹磊;;基于小波包分析的齒輪箱故障診斷研究[J];黃山學(xué)院學(xué)報;2012年03期

4 周志華,陳世福;神經(jīng)網(wǎng)絡(luò)集成[J];計算機學(xué)報;2002年01期

5 艾永冠;朱衛(wèi)東;閆冬;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的股市預(yù)測模型[J];計算機應(yīng)用;2008年S2期

6 駱江鋒;龍江啟;范進楨;;小波包和BP神經(jīng)網(wǎng)絡(luò)在齒輪箱故障診斷中的應(yīng)用[J];機械傳動;2007年03期

7 程加堂;熊偉;艾莉;;齒輪箱故障診斷灰色神經(jīng)網(wǎng)絡(luò)模型的研究[J];機械傳動;2010年10期

8 明廷鋒;姚曉山;張永祥;;齒輪裂紋聲發(fā)射檢測模擬實驗研究[J];煤礦機械;2009年06期

9 張軍;陸森林;和衛(wèi)星;王以順;李天博;;基于小波包能量法的滾動軸承故障診斷[J];農(nóng)業(yè)機械學(xué)報;2007年10期

10 張明慧;金鳳;;基于GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)變壓器故障診斷的研究[J];煤礦機械;2012年08期

，

本文編號：706948