基于改进粒子滤波的齿轮箱故障诊断与状态分类的研究

发布时间：2017-05-01 05:08

  本文关键词：基于改进粒子滤波的齿轮箱故障诊断与状态分类的研究，由笔耕文化传播整理发布。

【摘要】：齿轮箱作为一种传动部件在机械设备长期运转的过程中会遭受一系列因素的影响，从而导致其经常发生故障。因此，对齿轮箱进行定期的故障诊断与状态分类是保证设备正常运行的必要措施。然而，在实际操作过程中无法直接获取齿轮箱的振动信号，需要通过信号处理技术将被各种噪声覆盖的真实信号提取出来。所以，在对齿轮箱进行故障诊断和分类之前振动信号的降噪预处理过程是非常关键的。 粒子滤波作为一种信号处理方法在信号的滤波降噪方面具有良好的效果，尤其是在处理非高斯非线性系统问题时该算法的优势更为突出。粒子滤波算法是一种建立在蒙特卡罗模拟基础上使贝叶斯估计达到最优的滤波方法，其基本原理是利用样本粒子来模拟给定系统的当前状态并随时间的推移确定各时刻不同状态下系统对应的粒子样本，，从而得到近似于系统状态的后验概率分布。该算法可用于分析不受限制的状态空间模型系统。由于传统的粒子滤波算法存在粒子贫乏以及预测误差积累效应导致系统发散等问题，对处理含有噪声的信号产生了一定的影响，故本文将径向基函数网络(Radial Basis Function Network，简称RBFN)学习算法引入粒子滤波方法中，利用径向基函数网络对粒子滤波的采样过程进行训练和优化。该改进算法更新了各粒子状态，提高先验概率密度分布估计精度，消除过程噪声引起的估计误差，同时也避免了粒子匮乏，使粒子滤波的性能得到了提升。 针对齿轮箱振动信号表现出的非线性特点，在其故障诊断中本文采用了粒子滤波技术对信号进行预处理。通过建立振动信号概率模型，对粒子滤波算法中的相关参数进行优化，将优化后的参数应用到改进粒子滤波算法中。利用该改进算法对实验采集的齿轮箱的振动信号进行滤波降噪处理，并提取真实信号，为高精度的时域分析做好准备工作。然后，用时域分析法对预处理后的信号进行特征参量的提取，将提取后的特征参量代入小波神经网络(Wavelet Neural Network,简称WNN)中进行故障状态的分类。训练分类后的结果表明了该改进算法的有效性，达到了课题研究的目的。
【关键词】：齿轮箱 故障诊断 粒子滤波算法 径向基函数网络 小波神经网络
【学位授予单位】：武汉工程大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH132.41;TH165.3
【目录】：

• 摘要5-7
• Abstract7-12
• 第1章 绪论12-20
• 1.1 课题研究的背景及意义12-13
• 1.2 设备故障诊断技术的发展概述13-16
• 1.2.1 设备故障诊断的发展历程13-14
• 1.2.2 齿轮箱故障机理研究14
• 1.2.3 齿轮箱振动信号的处理及特征提取14-16
• 1.2.3.1 时域分析15-16
• 1.2.3.2 频域分析16
• 1.2.3.3 时频分析16
• 1.3 粒子滤波的发展概述16-18
• 1.3.1 粒子滤波的发展现状及其应用17-18
• 1.3.2 粒子滤波存在的问题和相关的解决方法18
• 1.4 本文研究的主要内容及安排18-20
• 第2章 粒子滤波基本理论及其改进算法的研究20-38
• 2.1 粒子滤波基本理论20-24
• 2.1.1 最优贝叶斯估计原理21-23
• 2.1.2 蒙特卡洛方法23-24
• 2.2 传统粒子滤波算法24-30
• 2.2.1 粒子滤波算法24-29
• 2.2.1.1 序贯重要性采样25-26
• 2.2.1.2 采样重要性重采样26-27
• 2.2.1.3 重要性密度函数的选择27-28
• 2.2.1.4 标准粒子滤波算法28-29
• 2.2.2 影响粒子滤波算法的相关问题29-30
• 2.3 基于 RBF 网络优化的粒子滤波原理30-34
• 2.3.1 RBF 网络及其学习算法30-32
• 2.3.2 RBF 网络优化的粒子滤波算法32-34
• 2.4 粒子滤波及其改进算法仿真34-36
• 2.5 本章小结36-38
• 第3章 齿轮箱故障诊断实验设计38-48
• 3.1 数据采集设备39-40
• 3.2 齿轮的选择40-41
• 3.3 齿轮裂纹等级的选择41-43
• 3.4 转速和载荷的选择43-44
• 3.5 采样频率和采样时间的选择44-45
• 3.6 实验步骤45-47
• 3.7 本章小结47-48
• 第4章 改进粒子滤波算法在齿轮箱裂纹故障诊断中的应用48-64
• 4.1 实验振动信号系统模型的建立48-50
• 4.2 粒子滤波的参数优化50-54
• 4.2.1 粒子数目对状态估计的影响50-51
• 4.2.2 初始状态和初始状态方差对状态估计的影响51-52
• 4.2.3 噪声方差对状态估计的影响52-54
• 4.3 基于改进粒子滤波降噪的数据预处理54-63
• 4.3.1 改进粒子滤波降噪的原理54
• 4.3.2 改进粒子滤波降噪仿真验证54-56
• 4.3.3 齿轮箱振动信号的数据预处理56-63
• 4.4 本章小结63-64
• 第5章 基于小波神经网络的故障状态分类研究64-74
• 5.1 小波神经网络64-68
• 5.1.1 小波神经网络模型65-66
• 5.1.2 小波神经网络 BP 算法66-68
• 5.2 齿轮箱振动信号的特征参数提取68-71
• 5.3 基于小波神经网络的故障状态分类71-72
• 5.4 本章小结72-74
• 第6章 总结与展望74-78
• 6.1 本文研究工作总结74-75
• 6.2 对未来研究的展望75-78
• 参考文献78-84
• 攻读硕士期间已发表的论文84-86
• 致谢86-87

【相似文献】

中国期刊全文数据库 前10条

1 郭凡;齿轮箱的结构设计[J];东北林业大学学报;2002年02期

2 刘卫红;如何降低齿轮箱制造成本[J];江苏冶金;2003年01期

3 李方,章易程;机车传动齿轮箱开裂现状分析与设计对策[J];铁道科学与工程学报;2005年02期

4 陈廷明,杨广;齿轮箱模态测试与分析[J];船海工程;2005年04期

5 高立新,张健,张建宇,张玉奎,崔玲丽;低速重载大型齿轮箱的故障诊断[J];中国冶金;2005年09期

6 别红玲;;基于齿轮箱结构的试验模态测试研究[J];制造技术与机床;2007年08期

7 吴勤;;齿轮对研在生产中的应用[J];新技术新工艺;2008年01期

8 任工昌;刘丽;苗新强;;基于灰色系统理论的齿轮监测诊断技术研究[J];轻工机械;2009年05期

9 高进;金鸣;;工程机械动力分流型齿轮箱功率流分析[J];机械工程师;2009年12期

10 陆秋云;;齿轮箱轴头漏油的处理[J];矿山机械;2009年12期

中国重要会议论文全文数据库 前10条

1 刘静;周凤星;;一种同步齿轮箱初始故障的在线监测与诊断装置的研究[A];全国冶金自动化信息网2009年会论文集[C];2009年

2 王奉涛;李海峰;张亮;宋鲁涛;;高速齿轮箱性能检测系统的研制[A];2010中国仪器仪表与测控技术大会论文集[C];2010年

3 冯志鹏;褚福磊;;正则维数在齿轮状态监测中的应用研究[A];第八届全国转子动力学学术讨论会论文集[C];2008年

4 滕伟;武鑫;高青风;柳亦兵;;风电齿轮箱振动信号的倒频谱分析[A];中国自动化学会控制理论专业委员会B卷[C];2011年

5 赵立超;陈长征;;基于神经网络的风电机齿轮箱振动信号的分析与应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

6 林京;;脉冲性与周期性的利用——齿轮箱故障检测方法的内在联系[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

7 赵海燕;陈棋;;风电机组齿轮箱的故障及其解决方案[A];中国农业机械工业协会风能设备分会2011年度论文集（上）[C];2011年

8 何俊;杨世锡;甘春标;;受外部载荷激励的风机齿轮箱动力学建模及故障特征提取[A];中国力学大会——2013论文摘要集[C];2013年

9 熊黎;;风力发电齿轮箱换油方式的革命——一种全新的机械式换油方式[A];中国农机工业协会风能设备分会《风能产业》（2013年第11期）[C];2013年

10 Duka Kitaljevich;Richard Dupuis;Ming Lu;;风电齿轮箱状态监测[A];《风电技术》2013年02月第1期（总第37期）[C];2013年

中国重要报纸全文数据库 前10条

1 方益波 张道生;好悬 杭齿轮箱谈合资险入“虎口”[N];经理日报;2006年

2 ;齿轮箱专家与泵专家面对面对话[N];中国工业报;2003年

3 刘砦;杭齿将通过技改扩大齿轮箱产能[N];中国船舶报;2007年

4 王佑;首家“齿轮”股下月将赴港上市[N];第一财经日报;2007年

5 秦宵喊;南京高齿冲刺全球风电齿轮箱前三强[N];南京日报;2007年

6 益直;GE与第一能源集团开展风能合作[N];中国工业报;2009年

7 卢琼玉;杭齿制成世界先进水平船用齿轮箱[N];中国工业报;2009年

8 陈生华;南京高精研发出大功率非标齿轮箱[N];中国船舶报;2010年

9 细化;“常州长浪”推出异向平双低速高扭齿轮箱[N];中国包装报;2010年

10 徐同生;张庄咬定亿元目标谋求经济突破[N];江苏经济报;2009年

中国博士学位论文全文数据库 前8条

1 庄磊;电子齿轮箱关键控制技术及其应用研究[D];南京航空航天大学;2001年

2 王新晴;齿轮箱不解体诊断技术研究[D];天津大学;1998年

3 徐向阳;柔性销轴式风电齿轮箱动力学研究[D];重庆大学;2012年

4 田晓青;柔性电子齿轮箱设计及精度控制方法研究[D];合肥工业大学;2014年

5 魏秀业;基于粒子群优化的齿轮箱智能故障诊断研究[D];中北大学;2009年

6 刘强;大型矿用齿轮箱运行模态识别与结构动力模型修正研究[D];辽宁工程技术大学;2013年

7 李蓉;齿轮箱复合故障诊断方法研究[D];湖南大学;2013年

8 张立勇;大型风电齿轮箱均载性能研究及优化[D];机械科学研究总院;2009年

中国硕士学位论文全文数据库 前10条

1 张小婵;风电齿轮箱箱体热结构特性分析研究[D];大连理工大学;2009年

2 李浩;基于虚拟仪器的齿轮箱实时监测和故障预警系统的开发研究[D];电子科技大学;2010年

3 Syed Rizwan Ui Haque;齿轮箱壳体的静力和振动阻尼研究[D];哈尔滨工程大学;2010年

4 赵颖;大功率风电齿轮箱设计与研究[D];吉林大学;2012年

5 郭晓伟;兆瓦级风电齿轮箱结构轻量化研究[D];大连理工大学;2012年

6 车利明;基于有限元法的风电机组齿轮箱结构模态分析[D];华北电力大学;2012年

7 王斌;面向风电机组齿轮箱的故障诊断系统研究[D];华北电力大学;2012年

8 王东剑;齿轮箱远程故障诊断系统网络化信息平台研究[D];燕山大学;2009年

9 李聪;齿轮箱嵌入式故障诊断关键技术研究[D];国防科学技术大学;2009年

10 赵飞;风力发电齿轮箱非线性耦合动态特性研究[D];大连理工大学;2010年

  本文关键词：基于改进粒子滤波的齿轮箱故障诊断与状态分类的研究，由笔耕文化传播整理发布。

本文编号：338270