基于神經網絡的齒輪箱故障診斷研究.pdf

1、隨著機械設備復雜程度和自動化水平的提高，機械設備故障診斷的重要性日益顯著，廣泛應用在現(xiàn)代工業(yè)中的齒輪箱作為重要傳動裝置，其工作狀態(tài)對整個機械系統(tǒng)有重要影響。因此，對其故障的檢測與診斷就顯得尤為重要。本文針對錨機齒輪箱故障問題，基于BP神經網絡模型，利用MATLAB語言開發(fā)了齒輪箱故障診斷系統(tǒng)。通過對故障信號進行預處理，得到齒輪箱各種故障特征參數(shù)，借助神經網絡模型，可有效判斷現(xiàn)有齒輪箱故障類型。本文的主要工作如下：
　　1).探究齒

2、輪箱故障診斷機理。分析齒輪和軸承的常見故障類型及產生的原因，在此基礎上研究了齒輪和軸承幾種典型故障的振動機理。研究了對振動信號的處理方式，時域、頻域診斷參數(shù)在齒輪箱故障發(fā)展中的趨勢分析，以及小波包分析作為一種新興的故障信號提取方式起到的作用。
　　2).討論研究了人工神經網絡的基本原理、模型結構和算法，針對齒輪箱的典型故障特征，確定了適合故障診斷的BP神經網絡，建立了齒輪箱故障診斷的BP神經網絡的模型。
　　3).利用MAT

3、LAB語言編寫了齒輪箱的振動數(shù)據(jù)處理程序，可有效進行時域和頻域分析，得到齒輪箱的特征參數(shù)。通過MATLAB的GUI編程模塊開發(fā)了BP神經網絡分析程序，以小波包處理得到的各頻帶能量作為神經網絡的輸入，從而進行齒輪箱的故障診斷，確定齒輪箱的故障類型，建立起錨機齒輪箱故障診斷系統(tǒng)。利用某企業(yè)船用錨機的故障振動數(shù)據(jù)，完成了BP神經網絡的訓練和建立，為企業(yè)后續(xù)的錨機故障診斷提供了有效的診斷依據(jù)。實驗結果證明此診斷系統(tǒng)的診斷效果好，相比傳統(tǒng)的方法具