学位论文 > 优秀研究生学位论文题录展示

基于小波神经网络专家系统的齿轮箱故障诊断研究

作　者: 张震
导　师: 张文志
学　校: 燕山大学
专　业: 机械设计及理论
关键词: 齿轮箱故障诊断小波包神经网络专家系统故障模式
分类号: TH165.3
类　型: 硕士论文
年　份: 2010年
下　载: 142次
引　用: 1次
阅　读: 论文下载

内容摘要

齿轮箱在连接和传递动力方面起到至关重要的作用,在不少的机械设备中广泛应用。据统计,旋转机械中齿轮故障占其故障的10%左右,轴承故障的故障发生率也占有很大的比重。因此随着齿轮箱的故障诊断成为旋转机械故障诊断的一个重要部分的同时,选取齿轮和轴承进行故障诊断的研究就有着很重要的实际工程意义。对齿轮箱的故障诊断技术的研究,不仅可以缩短维修时间、降低维修费用、还能提高设备运行的稳定性,保证安全生产,所以意义重大。到目前为止,故障诊断的发展已经朝着智能领域方向开展,这不仅促进了智能诊断方法的发展,而且同时也成为研究故障诊断技术的一个新的、重要的手段。本文利用小波包理论不仅实现了故障信号的降噪处理,而且还成功的提取了故障信号的特征能量作为神经网络专家系统(NNES)的输入参量。这是分辨信号故障模式的一种新的方法。通过训练样本训练网络得到神经网络专家系统的隐知识库,测试样本则调用隐知识库中的隐含故障特征,从而做出故障诊断。本文是选取了齿轮箱常常发生的五种故障模式,作为研究对象。通过对训练好的网络进行测试得知,此小波神经网络专家系统的网络性能良好,可以应用到工程实际故障诊断技术中。利用MATLAB和VB进行混合编程,开发出用户界面友好、操作简单的齿轮箱智能故障诊断系统。通过本文,不仅显示了MATLAB在计算、绘图和神经网络工具箱方面的强大功能,而且还充分发挥了VB在图形用户界面方面的优势。

全文目录

摘要  5-6
Abstract  6-11
第1章绪论  11-21
  1.1 机械设备故障诊断技术的意义及发展现状  11-13
    1.1.1 机械设备故障诊断的意义  11-12
    1.1.2 机械设备故障诊断技术的研究现状  12-13
  1.2 齿轮箱故障诊断的研究意义及现状  13-15
    1.2.1 齿轮箱故障诊断的研究意义  13-14
    1.2.2 齿轮箱故障诊断的研究现状  14-15
  1.3 小波分析的特点及其在故障诊断中的应用前景  15-16
  1.4 智能诊断方法在故障诊断中的发展及应用前景  16-19
    1.4.1 神经网络的特点及其在故障诊断中的应用前景  16-17
    1.4.2 专家系统在故障诊断应用中的发展  17-19
  1.5 本课题的研究意义和内容  19-21
    1.5.1 研究意义  19-20
    1.5.2 主要研究内容  20-21
第2章齿轮箱振动机理和故障机理的研究  21-34
  2.1 齿轮箱的典型故障形式  21-24
    2.1.1 齿轮的故障类型及成因  22-23
    2.1.2 轴和轴承的故障类型及成因  23-24
  2.2 齿轮箱振动机理的研究  24-29
    2.2.1 齿轮的振动机理分析  24-26
    2.2.2 轴承的振动机理分析  26-29
  2.3 齿轮箱振动信号的特征  29-32
    2.3.1 齿轮振动信号的啮合频率及各次谐波  29-30
    2.3.2 齿轮振动信号的啮合频率调制  30-32
    2.3.3 其他调制现象  32
  2.4 模式识别  32-33
  2.5 本章小结  33-34
第3章小波神经网络专家系统的设计理论  34-56
  3.1 小波分析理论  34-37
    3.1.1 小波分析的基本原理  34-35
    3.1.2 多分辨率分析与Mallat 算法  35-37
  3.2 小波包分析的基本原理  37-43
    3.2.1 小波包理论  37-38
    3.2.2 小波(包)降噪的模型  38-39
    3.2.3 小波(包)降噪的准则  39-40
    3.2.4 小波(包)降噪实现过程  40
    3.2.5 基于样本估计阈值的选取  40-42
    3.2.6 小波(包)阈值化方法  42-43
    3.2.7 小波变换下的信噪分离方法  43
  3.3 小波分析与神经网络的融合  43-52
    3.3.1 神经元模型  43-45
    3.3.2 激活函数  45-46
    3.3.3 神经元的连接形式  46-47
    3.3.4 BP 网络及BP 算法  47-52
    3.3.5 小波分析与神经网络的融合方式  52
  3.4 神经网络专家系统的理论分析  52-55
    3.4.1 神经网络专家系统的基本原理  52-53
    3.4.2 神经网络专家系统的功能和特点  53-55
    3.4.3 神经网络和专家系统的集成模式  55
  3.5 本章小结  55-56
第4章小波神经网络专家系统的设计及实际应用  56-72
  4.1 小波神经网络专家系统设计流程图  56-57
  4.2 小波包降噪理论在实际中的应用  57-59
    4.4.1 降噪方法和阈值的选取  57
    4.2.2 齿轮箱故障信号的小波包降噪  57-59
  4.3 神经网络专家系统在齿轮箱故障诊断上的具体实现  59-68
    4.3.1 故障信号的特征向量提取  60-64
    4.3.2 BP 神经网络专家系统的设计过程  64-68
  4.4 故障诊断结果分析  68-71
  4.5 本章小结  71-72
第5章智能故障诊断系统的设计和试验平台的建立  72-84
  5.1 MATLAB 神经网络工具箱的简介  72-73
  5.2 VB 和Matlab 接口实现方法介绍  73-75
  5.3 智能故障诊断程序界面的编写  75-79
  5.4 信号采集实验  79-83
    5.4.1 试验平台的建立  79-81
    5.4.2 齿轮和轴承故障模拟  81-83
  5.5 本章小结  83-84
结论  84-86
参考文献  86-91
攻读硕士学位期间承担的科研任务与主要成果  91-92
致谢  92-93
作者简介  93

基于小波神经网络专家系统的齿轮箱故障诊断研究

内容摘要

全文目录

相似论文