基于EMD及鱼群算法优化神经网络的行星齿轮故障诊断
发布时间：2022-01-19 10:17
行星齿轮箱由于传动比大和承载能力强的优点,已广泛应用于航空航天、能源和重工业领域,如直升机、风力发电机和重型卡车等。行星齿轮箱传动结构复杂并具有独特的工作特性,工作时不同相位齿轮啮合的振动相互耦合;从齿轮啮合点到齿轮箱外壳上的传感器有多条振动传递路径,齿轮箱上的负载也增大了非线性传递路径的影响。这些因素使得行星齿轮箱故障特征提取困难,对其的故障诊断难度增加。本文以行星齿轮箱为研究对象,使用自适应噪声完备总体经验模态分解（CEEMDAN）作为信号分析方法,引入样本熵算法作为特征提取方法,使用自适应局部邻域结构人工鱼群算法（ALNAFSA）优化BP神经网络（ALNAFSA-BP）对行星齿轮故障模型进行了识别。本文首先介绍了本课题的研究背景和意义,介绍了行星齿轮箱故障诊断技术的国内外研究现状以及人工鱼群算法的研究现状。随后阐述了经验模态分解（EMD）及三种白噪声改进经验模态分解方法,并对其进行了仿真实验验证,结果显示CEEMDAN算法避免了分量模态混叠,同时还有着较小的重构误差;然后引入了样本熵算法,设计了一种基于CEEMDAN及样本熵的特征提取方法,实验分析得知该方法有效。然后论述了人工鱼...
【文章来源】：中北大学山西省
【文章页数】：100 页
【学位级别】：硕士
【部分图文】：
行星齿轮传动应用场景
中北大学学位论文10图2-1EMD分解流程图Fig.2-1EMDdecompositionprocess为了从原始信号xt中分解出内禀模态函数，分解过程如下：（1）对于原始信号()，我们找到的所有极大值点和极小值点，并用三次样条拟合的方法得到的上包络线以及下包络线。然后求出求出上下包络线的均值函数()。12etetmt（2-3）（2）我们用原始信号()减去上、下包络线的均值函数()得出差值函数。111htxtmt（2-4）（3）实际应用中，差值函数一般不是我们需要的内禀模态函数，则将作为原始信号，重复步骤（1）（2），经过k次循环以后，当得到的满足IMF条件，
中北大学学位论文1511IiijiifImmf（2-17）其中j3,4，，J。第j个残差信号为jj1jrtrtimf（2-18）（4）重复步骤3，直到得到的残差信号为单调函数不能再被EMD分解时，终止运算。则原信号可表示为1JjJjxtimfrt（2-19）2.2.4仿真信号经验模态分解对比分析为了验证三种白噪声改进经验模态分解的性能提升，本节对其进行仿真实验。构造仿真信号，由正弦分量、周期脉冲分量和趋势项组成，、、和由式表示：123123sin21200.2sin25000.01t0.0151,3,5,7xtxtxtxtxttxttmmmxtt，，其中（2-20）图2-2仿真信号及其组成Fig.2-2Simulationsignal
【参考文献】：
期刊论文
[1]基于SFLA-BP模型和KPCA特征提取的行星齿轮箱故障诊断[J]. 贺妍,王宗彦. 机械强度. 2020(02)
[2]基于LMD样本熵与ELM的行星齿轮箱故障诊断[J]. 张宁,魏秀业,徐晋宏. 机械传动. 2020(04)
[3]行星齿轮箱太阳轮故障动态啮合周期特性[J]. 张冕,王科盛,李亚鑫. 振动与冲击. 2020(06)
[4]基于卷积神经网络图像分类的轴承故障模式识别[J]. 张安安,黄晋英,冀树伟,李东. 振动与冲击. 2020(04)
[5]行星齿轮箱虚拟样机故障动力学仿真研究[J]. 庞宇,黄晋英,张占一,马广轩. 煤矿机械. 2020(02)
[6]BP-神经网络识别地层岩性-以银额盆地为例[J]. 薛文卓,陈彪,张哲豪. 石化技术. 2019(11)
[7]基于改进鱼群算法优化神经网络的轴承故障诊断研究[J]. 张宁,魏秀业,郭小勇,徐晋宏. 轴承. 2019(05)
[8]基于动态加权密集连接卷积网络的变转速行星齿轮箱故障诊断[J]. 熊鹏,汤宝平,邓蕾,赵明航. 机械工程学报. 2019(07)
[9]基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法[J]. 胡茑庆,陈徽鹏,程哲,张伦,张宇. 机械工程学报. 2019(07)
[10]基于EMD-SVD与PNN的行星齿轮箱故障诊断研究[J]. 张安安,黄晋英,卫洁洁,庞宇. 机械传动. 2018(12)
博士论文
[1]行星齿轮箱关键零部件故障诊断[D]. 张冕.电子科技大学 2019
[2]基于群智能算法融合的行星齿轮箱损伤状态识别诊断及维护[D]. 贺妍.中北大学 2019
[3]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003
硕士论文
[1]基于噪声辅助经验模态分解的低温高速轴承故障诊断方法研究[D]. 陈净和.北京交通大学 2019
[2]基于改进人工鱼群算法的智能机器人路径规划研究[D]. 邱诗怡.湖北工业大学 2019
[3]基于改进的鱼群算法优化神经网络的齿轮箱故障诊断研究[D]. 郭小勇.中北大学 2018
[4]行星齿轮传动的故障动力学研究[D]. 吴学勤.南昌航空大学 2017
[5]人工鱼群算法的应用研究[D]. 杨鹏.西北师范大学 2017
[6]一种人工鱼群算法的改进及其对BP神经网络的优化研究[D]. 曾飞艳.湖南科技大学 2015
本文编号：3596676
【文章来源】：中北大学山西省
【文章页数】：100 页
【学位级别】：硕士
【部分图文】：
行星齿轮传动应用场景
中北大学学位论文10图2-1EMD分解流程图Fig.2-1EMDdecompositionprocess为了从原始信号xt中分解出内禀模态函数，分解过程如下：（1）对于原始信号()，我们找到的所有极大值点和极小值点，并用三次样条拟合的方法得到的上包络线以及下包络线。然后求出求出上下包络线的均值函数()。12etetmt（2-3）（2）我们用原始信号()减去上、下包络线的均值函数()得出差值函数。111htxtmt（2-4）（3）实际应用中，差值函数一般不是我们需要的内禀模态函数，则将作为原始信号，重复步骤（1）（2），经过k次循环以后，当得到的满足IMF条件，
中北大学学位论文1511IiijiifImmf（2-17）其中j3,4，，J。第j个残差信号为jj1jrtrtimf（2-18）（4）重复步骤3，直到得到的残差信号为单调函数不能再被EMD分解时，终止运算。则原信号可表示为1JjJjxtimfrt（2-19）2.2.4仿真信号经验模态分解对比分析为了验证三种白噪声改进经验模态分解的性能提升，本节对其进行仿真实验。构造仿真信号，由正弦分量、周期脉冲分量和趋势项组成，、、和由式表示：123123sin21200.2sin25000.01t0.0151,3,5,7xtxtxtxtxttxttmmmxtt，，其中（2-20）图2-2仿真信号及其组成Fig.2-2Simulationsignal
【参考文献】：
期刊论文
[1]基于SFLA-BP模型和KPCA特征提取的行星齿轮箱故障诊断[J]. 贺妍,王宗彦. 机械强度. 2020(02)
[2]基于LMD样本熵与ELM的行星齿轮箱故障诊断[J]. 张宁,魏秀业,徐晋宏. 机械传动. 2020(04)
[3]行星齿轮箱太阳轮故障动态啮合周期特性[J]. 张冕,王科盛,李亚鑫. 振动与冲击. 2020(06)
[4]基于卷积神经网络图像分类的轴承故障模式识别[J]. 张安安,黄晋英,冀树伟,李东. 振动与冲击. 2020(04)
[5]行星齿轮箱虚拟样机故障动力学仿真研究[J]. 庞宇,黄晋英,张占一,马广轩. 煤矿机械. 2020(02)
[6]BP-神经网络识别地层岩性-以银额盆地为例[J]. 薛文卓,陈彪,张哲豪. 石化技术. 2019(11)
[7]基于改进鱼群算法优化神经网络的轴承故障诊断研究[J]. 张宁,魏秀业,郭小勇,徐晋宏. 轴承. 2019(05)
[8]基于动态加权密集连接卷积网络的变转速行星齿轮箱故障诊断[J]. 熊鹏,汤宝平,邓蕾,赵明航. 机械工程学报. 2019(07)
[9]基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法[J]. 胡茑庆,陈徽鹏,程哲,张伦,张宇. 机械工程学报. 2019(07)
[10]基于EMD-SVD与PNN的行星齿轮箱故障诊断研究[J]. 张安安,黄晋英,卫洁洁,庞宇. 机械传动. 2018(12)
博士论文
[1]行星齿轮箱关键零部件故障诊断[D]. 张冕.电子科技大学 2019
[2]基于群智能算法融合的行星齿轮箱损伤状态识别诊断及维护[D]. 贺妍.中北大学 2019
[3]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003
硕士论文
[1]基于噪声辅助经验模态分解的低温高速轴承故障诊断方法研究[D]. 陈净和.北京交通大学 2019
[2]基于改进人工鱼群算法的智能机器人路径规划研究[D]. 邱诗怡.湖北工业大学 2019
[3]基于改进的鱼群算法优化神经网络的齿轮箱故障诊断研究[D]. 郭小勇.中北大学 2018
[4]行星齿轮传动的故障动力学研究[D]. 吴学勤.南昌航空大学 2017
[5]人工鱼群算法的应用研究[D]. 杨鹏.西北师范大学 2017
[6]一种人工鱼群算法的改进及其对BP神经网络的优化研究[D]. 曾飞艳.湖南科技大学 2015
本文编号：3596676
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3596676.html