基于量子特征与ICA技术的齿轮箱故障诊断研究

【摘要】：齿轮箱作为最常见的机械设备,被广泛的应用在工业、农业、交通、石油等方面。正因为齿轮箱使用上的广泛性,所以世界各国都对齿轮箱的状态监测与故障诊断技术十分重视,并投入大量的人力、物力积极开展这方面的技术研究。及时发现、诊断设备故障并采取有效的措施,增加齿轮箱工作时的安全性和可靠性,降低齿轮箱的维修费用,减少由此带来的损失,对防止突发事故具有重大的现实意义。 在参阅大量文献基础上,对齿轮箱故障特征进行了深入研究,主要包括故障的形式、故障类型及振动机理、故障信号的特点等,并系统分析了齿轮箱故障诊断方法。同时对经典的独立分量分析技术(ICA)进行了详细分析,描述了ICA模型及快速固定点算法(FASTICA),并对算法进行了仿真实验,验证了算法的可行性。 研究了基于量子特征的ICA技术,即将量子理论引入到了ICA算法中,编制了特征提取和故障诊断软件,并验证了该算法的可行性。设计了齿轮箱故障诊断实验方案,对采集的振动信号进行ICA分解,然后对分离的信号提取特征,并以此作为量子自组织特征映射诊断网络(QSOFM)的输入,对齿轮箱的4种典型工况进行了故障诊断实验,QSOFM诊断率达到了90%以上,表明采用该方法提高了故障特征的识别率和诊断率。