收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于混合智能的齿轮传动系统集成故障诊断方法研究

杨铁梅  
【摘要】: 随着科学技术的发展,机械设备朝着高效率、高强度、高性能、大型化和自动化的方向发展。作为传递运动和动力的齿轮传动系统在许多大型设备中都发挥着重要的作用。但由于具有载荷条件复杂,工作环境恶劣等原因,齿轮传动系统容易受到损害而出现故障,这些故障的发生则极有可能诱发机器瘫痪,从而造成难以估计的经济损失和社会影响。因此,研究齿轮传动系统故障诊断的理论与技术具有重要的理论和实际意义。 尽管现有的特征提取方法及故障识别技术取得了许多成果,但仍然存在诸多缺陷:功率谱分析适用于平稳信号分析,齿轮传动系统拾取的振动信号由于存在非平稳性导致这种分析方法无法有效使用;短时傅立叶变换、小波变换、EMD分解等非平稳信号处理算法能够适应齿轮故障诊断信号的非平稳特性,但在特征提取方面却存在太多的频段特征,导致故障诊断难度增加;如何实现减少特征维数,保证故障诊断效果是迫切需要解决的问题。基于特征提取的模式识别方法是故障诊断中的重要内容,BP等神经网络以其极强的自学习、非线性识别能力在故障识别中获得了广泛的研究,但其容易陷入局部最优一直是该种方法的诟病;同时针对如何更好的应用各种特征提取算法的成果来提高故障识别率也是故障诊断研究中急需解决的重要课题。 论文采用物理模拟、实验测试、理论分析和仿真相结合的研究方法,从信号预处理、特征提取到故障模式识别和故障信息融合,将粗糙集理论、生物进化和神经网络等智能方法有机结合,发挥算法各自的优势,从而形成了齿轮系统的粗糙集-免疫遗传-改进BP神经网络的集成故障诊断技术路线。针对特征提取技术的优、缺点,提出功率谱分析、短时傅立叶变换、小波包分解和改进EMD分解算法的特征约简方法;在故障模式识别研究中,针对BP算法的特性,应用4次函数值比较进行多层前向神经网络的免疫遗传算法-BP算法权值混合搜索并改变其误差计算等方法提高故障识别率;采用故障决策信息融合后所获得的品质因数参数、故障识别率和不确定性三个参数作为判别齿轮故障的依据,从而提高齿轮故障诊断识别的精度。 分析了齿轮传动系统滚动轴承内圈故障、外圈故障、齿轮磨损、断齿四种故障的成因、机理以及各自的特征,设计了物理模拟系统,优化了传感器配置,为本技术方案的实施奠定了基础。对故障数据采用了小波分析进行信号去噪预处理,结果显示,采用小波分析可以很好的解决齿轮故障信号的消噪问题,为后续的分析提供了便利。 针对EMD存在的边缘效应,提出以灰色预测的包络延拓方法解决经验模态分解中的边缘效应问题。应用改进EMD获得了几种典型齿轮故障特征,仿真和实测数据分析结果表明该方法有效解决了边缘效应。 对去噪后的齿轮传动系统故障振动信号进行谱分析、短时傅立叶变换、小波包分解、改进智能EMD分解,得到了各种故障的四种提取方法的故障特征。研究分析表明:谱分析适用于平稳信号,而齿轮传动振动信号复杂,含有非平稳信号,因此依据频谱图上的特征参数来判断,有可能导致错误结论;短时傅立叶变换对于断齿故障特征提取具有不确定性;小波包分析在齿轮磨损和断齿故障时得到了明显的故障特征,但在内圈和外圈故障时能量分布区别不是很大,容易导致错误的故障识别结果;智能EMD特征提取方法在齿轮磨损、断齿、轴承内圈故障的特征提取上得到了正确的结论,但在进行轴承外圈故障特征提取中,特征并不明显,难以得到准确的故障结论。研究表明,单一的故障特征提取方法针对某些故障有效,而针对另一些故障则难以提供准确的故障特征,进而影响故障诊断结论的准确性。 采用粗糙集-免疫遗传-改进BP神经网络算法进行了齿轮传动系统故障诊断研究,首先应用粗糙集的后删除属性约简算法进行齿轮传动系统的故障特征约简,去除频域特征冗余,以减小故障识别的计算工作量。采用4次函数值作为故障诊断神经网络的判别条件,依据不同的判别条件,分别采用免疫遗传算法和改进BP算法进行故障诊断神经网络权值的优化,从而有效提高故障诊断网络的全局识别能力,对于谱分析、短时傅立叶变换、小波包分解、改进EMD分解得到的故障特征,分别应用上述算法进行齿轮故障识别,识别结果表明了该算法的优良性。 从采用混合智能集成算法的故障诊断效果来看,四种齿轮故障基本上可以实现分离,但不同故障类型判别的可信度差别并不明显,如果依据本算法的可信度指标值进行故障诊断,一旦系统中存在噪声干扰,极有可能导致故障的误判。 将D-S证据理论应用于故障特征提取的方法集成,并提出品质因数参数,与故障识别率、不确定度参数一起提高衡量故障集成诊断的精度。应用该技术进行实测数据分析,结果表明,每进行一次故障特征提取技术的集成,就提高了故障识别率,使得品质因数增大,降低了故障识别的不确定度,有效提高了故障诊断结论的准确度及可靠性,克服了单一故障特征提取方法的缺陷与不足。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 朱月君;张清华;邵龙秋;杜永贵;;D-S证据理论在并发故障诊断技术中的研究进展[J];茂名学院学报;2009年06期
2 高兴培;;基于粗糙集和神经网络的柱塞泵故障诊断[J];微计算机信息;2010年13期
3 宋立军;胡政;杨拥民;温熙森;;Chu空间下的粗糙集与证据理论结合进行内燃机诊断[J];内燃机学报;2007年03期
4 姚鑫骅;徐月同;傅建中;陈子辰;;基于粗糙集理论的数控机床智能故障诊断研究[J];浙江大学学报(工学版);2008年10期
5 杨广;吴晓平;宋业新;;粗糙集与证据理论融合的综合诊断方法研究[J];武汉理工大学学报;2009年15期
6 刘永阔;夏虹;谢春丽;;智能故障诊断技术在核动力装置中的应用研究[J];哈尔滨工程大学学报;2007年02期
7 饶斐;张广明;费宏举;张柳;;基于粗糙集人工神经网络的锅炉故障诊断模型[J];计算机工程与设计;2008年09期
8 涂继亮;潘洪亮;董德存;罗艳芬;;融合粗糙集和证据理论的车地无线通信设备故障诊断[J];同济大学学报(自然科学版);2011年06期
9 钟新辉,费逸伟,李华强,姜旭峰;粗糙集和证据理论在磨粒识别中的应用[J];润滑与密封;2005年05期
10 卫寒梅;郑应文;;基于粗糙集和D-S证据理论的交通拥堵预警[J];福州大学学报(自然科学版);2008年01期
11 张腾飞;王锡淮;叶银忠;肖健梅;;粗糙集理论在故障诊断中的应用综述[J];上海海事大学学报;2005年04期
12 程嗣怡;索中英;张晋;;基于证据理论的规则融合方法及其应用[J];空军工程大学学报(自然科学版);2010年04期
13 张银丽;;基于数据挖掘技术的机械设备故障诊断[J];矿山机械;2007年04期
14 杜海莲;杨俊华;吕锋;王占锋;;基于信息融合的电力变压器故障诊断[J];控制工程;2007年S2期
15 倪龙强;周振堂;高社生;;粗糙集和证据理论相结合的数据挖掘方法[J];西北工业大学学报;2010年06期
16 张弛;王玮;徐丽杰;王智;;基于D-S算法的断路器机械故障诊断技术[J];电气开关;2007年02期
17 冯阳;崔利荣;;柴油发动机故障诊断技术综述[J];质量与可靠性;2008年01期
18 欧阳陈华;康江林;旷海兰;李浪;;基于组合神经网络的网络入侵检测[J];科学技术与工程;2006年13期
19 邱朝阳;王景林;陈伟根;;多种智能理论联合作用的电力变压器故障诊断[J];变压器;2010年12期
20 陈法法;程珩;杨勇;;多传感器信息融合技术在液压设备故障诊断中的应用[J];太原理工大学学报;2008年01期
中国重要会议论文全文数据库 前10条
1 莫秋云;杨晓清;宾莹;;基于BP算法与D-S理论的故障诊断技术[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
2 王刚;张志禹;;数据融合中粗糙集的应用技术研究[A];2006中国控制与决策学术年会论文集[C];2006年
3 王秋萍;张道宏;梁戈;;一种新型数学工具-粗糙集理论及其应用[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年
4 周斌;蔡丹;雷铭;;人工智能方法在基于DGA的变压器故障诊断中的应用[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年
5 段丰安;李文珍;许忠;;基于状态观测器的常规系统故障诊断方法研究[A];第十六届全国青年通信学术会议论文集(上)[C];2011年
6 马玉良;赵光宙;;粗糙集理论及其在工程中的应用研究[A];第11届全国电气自动化电控系统学术年会论文集[C];2002年
7 刘碧森;姚宇;;粗SVM理论及其在税收预测中的应用[A];第三届全国信息获取与处理学术会议论文集[C];2005年
8 黄高明;李胜勇;袁湘辉;;海军舰船装备远程故障诊断系统设计[A];舰船电子装备维修理论与应用——中国造船工程学会电子修理学组第四届年会暨信息装备保障研讨会论文集[C];2005年
9 叶沙琳;张铁;谢存禧;邹焱飚;;机器人的控制系统故障诊断(检测)程序开发研究[A];第十届粤港机电工程技术与应用研讨会暨梁天培教授纪念会文集[C];2008年
10 祝亚静;顾雪平;;基于粗糙集理论和证据理论相结合的电网故障诊断[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
中国博士学位论文全文数据库 前10条
1 杨铁梅;基于混合智能的齿轮传动系统集成故障诊断方法研究[D];太原理工大学;2009年
2 许琦;粗糙集理论在旋转机械故障诊断技术上应用的研究[D];南京工业大学;2003年
3 赵晨;过程控制中的数据挖掘技术研究及其智能控制策略探讨[D];浙江大学;2005年
4 张勇;粗糙集—神经网络智能系统在浮选过程中的应用研究[D];大连理工大学;2006年
5 刘永阔;核动力装置故障诊断智能技术的研究[D];哈尔滨工程大学;2006年
6 邱道宏;括苍山高速公路隧道岩爆非线性预测研究[D];吉林大学;2008年
7 吴正江;L模糊粗糙集研究[D];西南交通大学;2009年
8 陈会涛;风力发电机齿轮传动系统随机振动分析及动力可靠性概率优化设计[D];重庆大学;2012年
9 梁伟光;基于证据理论的在轨航天器故障诊断方法研究[D];中国科学技术大学;2011年
10 陈涛;小样本条件下风电齿轮传动系统动态可靠性预测方法[D];大连理工大学;2012年
中国硕士学位论文全文数据库 前10条
1 吴勇;基于证据理论的多Agent智能决策支持系统研究[D];合肥工业大学;2005年
2 唐金芳;随机信息系统知识发现研究[D];西南交通大学;2006年
3 陈玉立;信息融合技术在变压器故障诊断中的应用[D];西南交通大学;2006年
4 周勇;基于粗糙集与证据理论的信息融合研究[D];中南大学;2008年
5 祝亚静;基于粗糙集理论与证据理论相结合的电网故障诊断[D];华北电力大学(河北);2008年
6 汪文锋;基于粗糙集理论的装载机故障诊断研究[D];华中科技大学;2005年
7 连倩;基于信息融合燃烧稳定性映射关系模型的研究[D];华北电力大学(河北);2008年
8 李宗杰;基于粗糙集的飞机远程诊断知识获取模型研究[D];中国民航大学;2007年
9 戴贤江;基于粗糙集与最小二乘支持向量机的密闭鼓风炉故障诊断方法研究[D];中南大学;2008年
10 胡波;基于粗糙集理论与BP神经网络结合的火电厂风机故障诊断研究[D];太原理工大学;2008年
中国重要报纸全文数据库 前10条
1 袁正兵吴丹红;国际学者研讨证据理论与科学[N];检察日报;2007年
2 曹百禹;我大型机组故障诊断技术发展迅速[N];中国石油报;2008年
3 记者 任继凯 王卫;过程检测及诊断技术成为企业发展“护身符”[N];中国石油报;2006年
4 天亮;老默克换了两张新脸孔[N];中国高新技术产业导报;2001年
5 本报记者  马云霄;黄文虎:志在扶摇万里程[N];黑龙江日报;2006年
6 徐兰山 罗争鸣 罗浩 万林香 供稿;我国轨道交通安全技术创新获重大突破[N];科技日报;2007年
7 本报记者  杨慧仁;青春涌动创新潮[N];济南日报;2006年
8 罗争鸣 徐兰山 罗浩;机车故障隐患实现“立体”诊断[N];科技日报;2006年
9 特约撰稿人 张燕;精通BIOS从这里开始[N];电脑报;2001年
10 刘党荣;为企业运营保驾护航[N];通信产业报;2006年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978