基于時頻綜合特征提取與BP神經網絡的齒輪箱故障診斷研究.pdf

1、隨著現代科學技術的進步和工業(yè)技術的完善，機械設備正朝著連續(xù)化與自動化方向發(fā)展，機械設備之間的連接更為緊密。齒輪箱具有傳動力矩大、傳動比固定、傳動精度高、結構緊湊等優(yōu)點，是機械設備中非常重要的通用零部件。齒輪箱振動信號中包含齒輪箱運行狀態(tài)的所有信息，當齒輪箱的運行狀態(tài)發(fā)生變化時，其振動信號特性也必然會相應發(fā)生變化。研究齒輪箱振動特性，從其振動信號中提取有用信息，對齒輪箱故障診斷及實時監(jiān)測有重要意義，不僅能夠降低設備維修成本，而且能有效提高

2、齒輪箱工作過程中的可靠性與穩(wěn)定性，對人民生命財產安全保護意義重大。
　　人工神經網絡是自上世紀40年代發(fā)展起來的一門新興交叉學科，與傳統(tǒng)數據處理方法不同，人工神經網絡以其強大的學習能力以及非線性、自適應性等特點，在故障診斷領域得到了迅速發(fā)展。
　　本文以齒輪箱為研究對象，在研究齒輪箱內部結構與組成的基礎上，建立了齒輪副振動模型，對齒輪箱的振動機理進行了深入分析。在此基礎上，搭建了齒輪箱故障診斷實驗臺，對常見的五種齒輪箱故障進