数据挖掘在齿轮副磨损状态监测中的应用研究

发布时间：2017-04-25 03:00

  本文关键词：数据挖掘在齿轮副磨损状态监测中的应用研究，由笔耕文化传播整理发布。

【摘要】：齿轮传动广泛应用于机械设备,同时齿轮故障也是造成机械设备故障的主要原因之一。为尽早发现故障,减少损失,对齿轮副的磨损状态进行监测十分必要,油液监测和振动监测是最常用的监测方法,监测过程中会产生包含磨粒群常规参数、磨粒群分形参数、振动参数在内的大量监测数据,如何根据大量数据准确判断齿轮副的磨损状态,还需要进一步研究。本文研究了数据挖掘技术在齿轮副磨损状态监测中的应用,内容主要包括： 基于模拟退火K-Means算法开发了一种辨识磨粒群分形无标度区的新算法,解决了磨粒群分形维数计算过程中无标度区识别出现的局部最优问题,有效地提高了磨粒群分形维数的计算精度。 设计了直齿圆柱齿轮副磨损实验,获取了一对齿轮副全寿命周期内的油液参数、振动参数及磨损率。应用相关性分析及主成分分析法对上述参数进行筛选和约简,提出了一组新的齿轮副磨损状态监测参数集。 针对传统根据磨损率划分齿轮副磨损状态方法的不足,提出了一种新的齿轮副磨损状态划分方法。新方法根据监测参数将齿轮副全寿命周期划分为6个磨损状态并获取了各磨损状态所对应的监测参数集,新的划分方法包含并细化了传统磨损率划分方法。 应用关联规则算法从上述划分结果中提取了监测参数分布与齿轮副磨损状态之间的关联规则,应用实验中获得的测试数据对挖掘系统进行测试,结果表明,挖掘模型根据监测参数对齿轮副磨损状态的识别正确率达90%,能有效地识别齿轮副磨损状态。
【关键词】：齿轮磨损 状态监测 数据挖掘 分形维数 聚类 关联规则
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH117.1;TH132.41
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-16
• 1.1 课题研究背景9
• 1.2 国内外研究现状9-13
• 1.2.1 数据挖掘在齿轮副状态监测中的应用9-11
• 1.2.2 齿轮副磨损状态监测参数的提取11-12
• 1.2.3 磨粒群分形无标度区的辨识12-13
• 1.3 选题及意义13-15
• 1.3.1 研究问题的提出13-14
• 1.3.2 研究目的及意义14-15
• 1.4 论文的主要内容15-16
• 2 齿轮副磨损状态参数数据挖掘系统架构及理论基础16-23
• 2.1 数据挖掘系统概述16-17
• 2.2 齿轮副磨损状态参数数据挖掘系统的系统架构17-18
• 2.2.1 齿轮副磨损状态参数数据挖掘系统的总体结构17
• 2.2.2 齿轮副磨损状态参数数据挖掘系统的关键技术17-18
• 2.3 齿轮副磨损状态参数数据挖掘系统的理论基础18-22
• 2.3.1 聚类理论18-20
• 2.3.2 关联规则理论20-22
• 2.4 本章小结22-23
• 3 油液监测参数和振动监测参数的选择及提取算法23-34
• 3.1 油液监测参数的选择和提取算法23-30
• 3.1.1 磨粒群常规参数23-24
• 3.1.2 磨粒群分形参数24-25
• 3.1.3 辨识磨粒群分形无标度区的新算法25-30
• 3.2 振动监测参数的选择和提取算法30-33
• 3.2.1 时域特征参数30-31
• 3.2.2 频域特征参数31-33
• 3.3 本章小结33-34
• 4 直齿圆柱齿轮副磨损实验34-49
• 4.1 实验目的及要求34
• 4.2 实验台架及实验齿轮箱的设计34-36
• 4.3 实验数据的获取及实验载荷的确定36-37
• 4.4 实验过程及实验结果37-40
• 4.4.1 实验过程37
• 4.4.2 实验结果37-40
• 4.5 油液参数与振动参数的筛选40-48
• 4.5.1 油液参数与振动参数的筛选过程40-42
• 4.5.2 油液参数与振动参数的筛选结果42-48
• 4.6 本章小结48-49
• 5 基于聚类的齿轮副磨损状态划分49-59
• 5.1 齿轮副磨损状态的划分方法49-50
• 5.2 聚类参数的处理50-51
• 5.3 齿轮副磨损状态监测参数的层次聚类划分51-54
• 5.4 齿轮副磨损状态监测参数的K-Means聚类划分54-58
• 5.5 本章小结58-59
• 6 齿轮副磨损状态的关联规则挖掘识别59-66
• 6.1 齿轮副磨损状态的关联规则挖掘任务分析59-60
• 6.2 关联规则挖掘过程及结果分析60-64
• 6.2.1 监测参数的离散化60-61
• 6.2.2 关联规则挖掘结果分析61-62
• 6.2.3 关联规则的模式匹配算法62-63
• 6.2.4 关联规则模型的验证63-64
• 6.3 齿轮副磨损状态监测参数数据挖掘系统的应用步骤64-65
• 6.4 本章小结65-66
• 7 结论与展望66-68
• 7.1 结论66
• 7.2 展望66-68
• 参考文献68-73
• 攻读学位期间主要的研究成果目录73-74
• 致谢74

【参考文献】

中国期刊全文数据库 前10条

1 王冠,司建辉,杨昌锋;数据挖掘系统研究[J];北京工业大学学报;2005年04期

2 黄进,尹治本;关联规则挖掘的Apriori算法的改进[J];电子科技大学学报;2003年01期

3 赵燕杰;王昌;刘统玉;王哲;魏玉宾;李艳芳;尚盈;王黔;;基于光谱吸收的光纤甲烷监测系统在瓦斯抽采中的应用[J];光谱学与光谱分析;2010年10期

4 邵忍平;黄欣娜;胡军辉;;聚类分析的数据挖掘方法及其在机械传动故障诊断中的应用[J];航空动力学报;2008年10期

5 王成栋;凌丹;苗强;;分形无标度区的一种自动识别方法[J];计算机工程与应用;2012年06期

6 高经纬;姜庆华;张培林;任国全;;传动齿轮表面磨损过程中油液参数磨损特性分析[J];机械传动;2008年05期

7 万耀青,郑长松,马彪;油液分析故障诊断中的信息融合问题[J];机械设计;2004年09期

8 秦海勤;徐可君;江龙平;;分形理论应用中无标度区自动识别方法[J];机械工程学报;2006年12期

9 陈雪峰;李继猛;程航;李兵;何正嘉;;风力发电机状态监测和故障诊断技术的研究与进展[J];机械工程学报;2011年09期

10 黄传辉,朱华,葛世荣;磨粒轮廓分形维数与磨损状态的关联性研究[J];摩擦学学报;2003年04期

  本文关键词：数据挖掘在齿轮副磨损状态监测中的应用研究，，由笔耕文化传播整理发布。

本文编号：325457