基于盲源分離和神經網絡在齒輪故障診斷中的策略研究.pdf

1、汽車的品質特性是衡量汽車制造質量的一個綜合性指標。統(tǒng)計表明，整車約1/3的故障問題與車輛的NVH問題有關，國際上各大汽車公司有近20％的研發(fā)費用消耗在解決車輛的NVH問題上。汽車后橋是汽車傳動系統(tǒng)中的關鍵部件，其性能直接影響整車品質。
　　 汽車后橋主減裝配的的故障種類繁多，如齒輪毛刺、異響等。面對這些問題，目前國內外廠商和研究機構多采用測量后橋噪音的辦法來確定主減合格與否以及質量特性。
　　 齒輪故障診斷一般步驟包括信

2、號采集、特征提取、狀態(tài)識別這三個環(huán)節(jié)。齒輪故障類型的不同導致產生的機械振動信號是不同的，通過對傳感器采集到的振動信號進行適當的分析處理，可以降低噪聲的影響，提高信噪比，獲得所提取信號的準確量值，得到其準確的特征，以發(fā)現測試對象的本質特點。
　　 本文對信號的特征提取采用了盲源信號分離的技術，利用盲源分離的優(yōu)勢是可以在不知源信號和傳輸通道的參數的情況下，根據輸入源信號的統(tǒng)計特征，僅由觀測信號來恢復源信號的各個獨立成分的過程。將獨立

3、成分分析方法應用于盲源分離，能夠從混合信號中重現不可觀測的各源信號成分，而所需要的僅僅是源信號統(tǒng)計獨立等容易滿足的先驗條件。神經網絡作為一種自適應的模式識別技術被應用于信號的狀態(tài)識別中，神經網絡不需要預先給出有關模式的經驗知識和判別函數，它通過自身的學習機制自動形成所要求的決策區(qū)域。
　　 本文建立了一種基于獨立成分分析和神經網絡的齒輪故障診斷方法，采用獨立成分分析中的快速獨立成分分析方法進行了振動信號的特征提取，對傳感器接收的