基于解調(diào)分析和BP網(wǎng)絡(luò)的齒輪箱智能診斷技術(shù)研究.pdf

1、隨著機械設(shè)備復雜程度和自動化水平的提高，機械設(shè)備故障診斷的重要性日益顯著，而選擇合適的診斷方法和系統(tǒng)對于診斷結(jié)果是否精確就顯得更為重要。由于調(diào)制現(xiàn)象廣泛存在于齒輪箱的振動信號中，就需要尋求有效的解調(diào)方法。在智能診斷系統(tǒng)中，人工神經(jīng)網(wǎng)絡(luò)模仿人腦的物理結(jié)構(gòu)，以其強大的并行運算和聯(lián)想能力非常適合于機械設(shè)備故障診斷。為了提取早期數(shù)據(jù)的故障信息，更有效地對設(shè)備進行故障診斷，本文提出了基于解調(diào)分析和BP網(wǎng)絡(luò)的齒輪箱智能診斷技術(shù)研究。 本文主

2、要研究了時域診斷參數(shù)在故障發(fā)展中的趨勢分析，解調(diào)方法提取早期故障特征，基于混合推理和BP神經(jīng)網(wǎng)絡(luò)技術(shù)的智能診斷系統(tǒng)設(shè)計等。其中包括軸承實驗臺數(shù)據(jù)分析，現(xiàn)場齒輪打齒數(shù)據(jù)分析等。針對各種軸承狀態(tài)，進行診斷指標統(tǒng)計；通過解調(diào)分析和基于EMD分解的方法等來補充傳統(tǒng)的頻譜分析對各時期的故障特征進行提??；這些信號分析方法的一些診斷參數(shù)也作為輸入向量進行BP網(wǎng)絡(luò)的學習和訓練；研究了人工神經(jīng)網(wǎng)絡(luò)的基本原理、模型結(jié)構(gòu)和算法，針對齒輪箱的典型故障特征，確定