行星齒輪箱由于傳動比大和承載能力強(qiáng)的優(yōu)點(diǎn),已廣泛應(yīng)用于航空航天、能源和重工業(yè)領(lǐng)域,如直升機(jī)、風(fēng)力發(fā)電機(jī)和重型卡車等。行星齒輪箱傳動結(jié)構(gòu)復(fù)雜并具有獨(dú)特的工作特性,工作時(shí)不同相位齒輪嚙合的振動相互耦合;從齒輪嚙合點(diǎn)到齒輪箱外殼上的傳感器有多條振動傳遞路徑,齒輪箱上的負(fù)載也增大了非線性傳遞路徑的影響。這些因素使得行星齒輪箱故障特征提取困難,對其的故障診斷難度增加。本文以行星齒輪箱為研究對象,使用自適應(yīng)噪聲完備總體經(jīng)驗(yàn)?zāi)B(tài)分解（CEEMDAN）作為信號分析方法,引入樣本熵算法作為特征提取方法,使用自適應(yīng)局部鄰域結(jié)構(gòu)人工魚群算法（ALNAFSA）優(yōu)化BP神經(jīng)網(wǎng)絡(luò)（ALNAFSA-BP）對行星齒輪故障模型進(jìn)行了識別。本文首先介紹了本課題的研究背景和意義,介紹了行星齒輪箱故障診斷技術(shù)的國內(nèi)外研究現(xiàn)狀以及人工魚群算法的研究現(xiàn)狀。隨后闡述了經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）及三種白噪聲改進(jìn)經(jīng)驗(yàn)?zāi)B(tài)分解方法,并對其進(jìn)行了仿真實(shí)驗(yàn)驗(yàn)證,結(jié)果顯示CEEMDAN算法避免了分量模態(tài)混疊,同時(shí)還有著較小的重構(gòu)誤差;然后引入了樣本熵算法,設(shè)計(jì)了一種基于CEEMDAN及樣本熵的特征提取方法,實(shí)驗(yàn)分析得知該方法有效。然后論述了人工魚... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：100 頁

【學(xué)位級別】：碩士

【部分圖文】：

行星齒輪傳動應(yīng)用場景

中北大學(xué)學(xué)位論文10圖2-1EMD分解流程圖Fig.2-1EMDdecompositionprocess為了從原始信號xt中分解出內(nèi)稟模態(tài)函數(shù)，分解過程如下：（1）對于原始信號()，我們找到的所有極大值點(diǎn)和極小值點(diǎn)，并用三次樣條擬合的方法得到的上包絡(luò)線以及下包絡(luò)線。然后求出求出上下包絡(luò)線的均值函數(shù)()。12etetmt（2-3）（2）我們用原始信號()減去上、下包絡(luò)線的均值函數(shù)()得出差值函數(shù)。111htxtmt（2-4）（3）實(shí)際應(yīng)用中，差值函數(shù)一般不是我們需要的內(nèi)稟模態(tài)函數(shù)，則將作為原始信號，重復(fù)步驟（1）（2），經(jīng)過k次循環(huán)以后，當(dāng)?shù)玫降臐M足IMF條件，

中北大學(xué)學(xué)位論文1511IiijiifImmf（2-17）其中j3,4，，J。第j個(gè)殘差信號為jj1jrtrtimf（2-18）（4）重復(fù)步驟3，直到得到的殘差信號為單調(diào)函數(shù)不能再被EMD分解時(shí)，終止運(yùn)算。則原信號可表示為1JjJjxtimfrt（2-19）2.2.4仿真信號經(jīng)驗(yàn)?zāi)B(tài)分解對比分析為了驗(yàn)證三種白噪聲改進(jìn)經(jīng)驗(yàn)?zāi)B(tài)分解的性能提升，本節(jié)對其進(jìn)行仿真實(shí)驗(yàn)。構(gòu)造仿真信號，由正弦分量、周期脈沖分量和趨勢項(xiàng)組成，、、和由式表示：123123sin21200.2sin25000.01t0.0151,3,5,7xtxtxtxtxttxttmmmxtt，，其中（2-20）圖2-2仿真信號及其組成Fig.2-2Simulationsignal

【參考文獻(xiàn)】：
期刊論文
[1]基于SFLA-BP模型和KPCA特征提取的行星齒輪箱故障診斷[J]. 賀妍,王宗彥.  機(jī)械強(qiáng)度. 2020(02)
[2]基于LMD樣本熵與ELM的行星齒輪箱故障診斷[J]. 張寧,魏秀業(yè),徐晉宏.  機(jī)械傳動. 2020(04)
[3]行星齒輪箱太陽輪故障動態(tài)嚙合周期特性[J]. 張冕,王科盛,李亞鑫.  振動與沖擊. 2020(06)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)圖像分類的軸承故障模式識別[J]. 張安安,黃晉英,冀樹偉,李東.  振動與沖擊. 2020(04)
[5]行星齒輪箱虛擬樣機(jī)故障動力學(xué)仿真研究[J]. 龐宇,黃晉英,張占一,馬廣軒.  煤礦機(jī)械. 2020(02)
[6]BP-神經(jīng)網(wǎng)絡(luò)識別地層巖性-以銀額盆地為例[J]. 薛文卓,陳彪,張哲豪.  石化技術(shù). 2019(11)
[7]基于改進(jìn)魚群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的軸承故障診斷研究[J]. 張寧,魏秀業(yè),郭小勇,徐晉宏.  軸承. 2019(05)
[8]基于動態(tài)加權(quán)密集連接卷積網(wǎng)絡(luò)的變轉(zhuǎn)速行星齒輪箱故障診斷[J]. 熊鵬,湯寶平,鄧?yán)?趙明航.  機(jī)械工程學(xué)報(bào). 2019(07)
[9]基于經(jīng)驗(yàn)?zāi)B(tài)分解和深度卷積神經(jīng)網(wǎng)絡(luò)的行星齒輪箱故障診斷方法[J]. 胡蔦慶,陳徽鵬,程哲,張倫,張宇.  機(jī)械工程學(xué)報(bào). 2019(07)
[10]基于EMD-SVD與PNN的行星齒輪箱故障診斷研究[J]. 張安安,黃晉英,衛(wèi)潔潔,龐宇.  機(jī)械傳動. 2018(12)

博士論文
[1]行星齒輪箱關(guān)鍵零部件故障診斷[D]. 張冕.電子科技大學(xué) 2019
[2]基于群智能算法融合的行星齒輪箱損傷狀態(tài)識別診斷及維護(hù)[D]. 賀妍.中北大學(xué) 2019
[3]一種新型的智能優(yōu)化方法-人工魚群算法[D]. 李曉磊.浙江大學(xué) 2003

碩士論文
[1]基于噪聲輔助經(jīng)驗(yàn)?zāi)B(tài)分解的低溫高速軸承故障診斷方法研究[D]. 陳凈和.北京交通大學(xué) 2019
[2]基于改進(jìn)人工魚群算法的智能機(jī)器人路徑規(guī)劃研究[D]. 邱詩怡.湖北工業(yè)大學(xué) 2019
[3]基于改進(jìn)的魚群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷研究[D]. 郭小勇.中北大學(xué) 2018
[4]行星齒輪傳動的故障動力學(xué)研究[D]. 吳學(xué)勤.南昌航空大學(xué) 2017
[5]人工魚群算法的應(yīng)用研究[D]. 楊鵬.西北師范大學(xué) 2017
[6]一種人工魚群算法的改進(jìn)及其對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究[D]. 曾飛艷.湖南科技大學(xué) 2015



本文編號：3596676