基于神经网络的齿轮箱智能故障诊断技术的研究
|
摘要
齿轮箱作为拖拉机的重要传动部件，对其进行状态监测和故障诊断的研究具有重要的实际意义。本文致力于拖拉机齿轮箱齿轮的自动故障诊断技术的研究。
本文在介绍了齿轮的主要故障模式和其机理的基础上选定了利用神经网络来进行故障诊断的方案。按照神经网络用于模式识别的主要步骤本文主要由三部分组成：设计并搭建齿轮箱故障的模拟系统和振动信号采集的系统；对采集到的信号进行合适的处理获得故障的特征信号；应用神经网络对故障诊断进行训练和检验。本文的重点在后两部分，这两部分的工作主要是应用自己设计的一个智能故障诊断系统软件来完成的，在软件中集成了对XML(可扩展标记语言)的支持，可以随时对工程进行标记非常适合于工程实际中的应用。而本软件中的信号处理和神经网络部分则是应用了集成的MATLAB引擎来完成的，利用这种方法既利用了MATLAB中的丰富资源又减轻了程序开发的工作量。文中还对于BP网络提出了应用主元分析进行改进的算法，经试验检验这种方法能够有效的减少神经网络的训练时间。最后又由齿轮箱模拟故障试验测得的试验数据在智能故障诊断系统软件中进行信号处理和神经网络的训练，经对训练好的神经网络检验可以看出它是完全能满足齿轮箱齿轮的故障诊断要求的。
Gearbox is one of the most important elements in a tractor. It is significant to study the condition of monitoring and fault diagnosis of gearbox. This thesis aims at the investigation of automatic diagnosis techniques of gearbox.
After introducing the main faults of gear and the causes of them, the project using neural-network in diagnosing is put forward. Following the steps of neural-network being used in pattern recognition, the paper is made up for three parts. Firstly, this paper illustrates the building of the indoor load-adding testing system applying on the study of diagnosis experiment and it's working principle. Secondly this paper introducing the way in transacting the signal and getting character of fault. It is the kst one that training the neural-network and testing it The later two parts are emphases of the paper. The software programmed by myself works out the task of the later two parts. The software includes support for XML. Using it the software can mark the project. The engine of MATLAB accomplishes the task of signal processing and neural-network. Using the source of MATLAB can reduce the load of programming. In this paper, a way to improve the BP arithmetic based on PCA theory is expounded. Trough experiment it can be proved that the improvement can notable lessen time in train network. At kst after dealing with the signal collected in test-bed for simukting the broken-down gear-box, using the software a neural-network is designed. After being trained and testing the neural-network is proved to reach the require of diagnose for gear-box.
本文在介绍了齿轮的主要故障模式和其机理的基础上选定了利用神经网络来进行故障诊断的方案。按照神经网络用于模式识别的主要步骤本文主要由三部分组成：设计并搭建齿轮箱故障的模拟系统和振动信号采集的系统；对采集到的信号进行合适的处理获得故障的特征信号；应用神经网络对故障诊断进行训练和检验。本文的重点在后两部分，这两部分的工作主要是应用自己设计的一个智能故障诊断系统软件来完成的，在软件中集成了对XML(可扩展标记语言)的支持，可以随时对工程进行标记非常适合于工程实际中的应用。而本软件中的信号处理和神经网络部分则是应用了集成的MATLAB引擎来完成的，利用这种方法既利用了MATLAB中的丰富资源又减轻了程序开发的工作量。文中还对于BP网络提出了应用主元分析进行改进的算法，经试验检验这种方法能够有效的减少神经网络的训练时间。最后又由齿轮箱模拟故障试验测得的试验数据在智能故障诊断系统软件中进行信号处理和神经网络的训练，经对训练好的神经网络检验可以看出它是完全能满足齿轮箱齿轮的故障诊断要求的。
Gearbox is one of the most important elements in a tractor. It is significant to study the condition of monitoring and fault diagnosis of gearbox. This thesis aims at the investigation of automatic diagnosis techniques of gearbox.
After introducing the main faults of gear and the causes of them, the project using neural-network in diagnosing is put forward. Following the steps of neural-network being used in pattern recognition, the paper is made up for three parts. Firstly, this paper illustrates the building of the indoor load-adding testing system applying on the study of diagnosis experiment and it's working principle. Secondly this paper introducing the way in transacting the signal and getting character of fault. It is the kst one that training the neural-network and testing it The later two parts are emphases of the paper. The software programmed by myself works out the task of the later two parts. The software includes support for XML. Using it the software can mark the project. The engine of MATLAB accomplishes the task of signal processing and neural-network. Using the source of MATLAB can reduce the load of programming. In this paper, a way to improve the BP arithmetic based on PCA theory is expounded. Trough experiment it can be proved that the improvement can notable lessen time in train network. At kst after dealing with the signal collected in test-bed for simukting the broken-down gear-box, using the software a neural-network is designed. After being trained and testing the neural-network is proved to reach the require of diagnose for gear-box.
引文
[1] 屈梁生，何正嘉。机械故障诊断学[M]。上海：上海科学技术出版社，1986。
[2] 洛德汉。关于定义设备诊断学理论、方法、技术的讨论[J]。杭州：第四届全国机械设备故障诊断学术会议论文集，1994；28～32。
[3] [英]R．A．克拉科特著，孙维东，麦松江，邓续魁，贾志隆，朱朋飞译。机械故障的诊断与情况监测[M]。北京：机械工业出版社，1983。
[4] 雷继尧，何世德。机械故障诊断基础知识[M]，西安：西安交通大学出版社，1989。
[5] 崔宁博编译。设备诊断技术—振动分析及其应用[M]。天津：南开大学出版社，1988。
[6] 王萍辉。现场齿轮箱内齿轮故障的振动法诊断[J]。长沙电力学院学报，1999，14(1)；51～55。
[7] 卢文祥，杜润生。工程测试与信息处理[M]。华中理工大学出版社，1994，9。
[8] 丁康，李永健，王志杰。传动箱典型故障振动特征的提取与分析[J]。杭州：第四届全国机械设备故障诊断学术会议论文集，1994；593～594。
[9] 程春芳，刘瑞昌，凌证炎。用功率谱、最大熵谱和Green函数诊断齿轮故障[J]。天津：第三届全国机械设备故障诊断学术会议论文集，1991；536～541。
[10] 金少先，金中石。齿轮振动的边带分布特征与故障诊断实例[J]。振动工程学报，1999，3。
[11] 郝重阳，唐文彬，齐敏，张宇，U．Heute，王旭东。一种快速局部细化频谱分析新方法——SSA[J]。电子学报，2000，3，106～108。
[12] 杜设亮，张云，李剑，陈子辰。频谱分析在齿轮故障诊断中的应用研究[J]。机电工程，1999，5，211～213。
[13] 金少先，金中石。齿轮振动的边带分布特征与故障诊断实例[J]。振动工程学报，1999，9，429～432。
[14] 林建辉。基于神经网络的故障诊断[J]。机械科学与技术，1998，5，437～439。
[15] 胡广书。数字信号处理[M]。北京：清华大学出版社，1997，8。
[16] [美]A．V．奥本海默，R．W．谢弗，J．R．巴克著，刘树棠，黄建国译。离散时间信号处理(第2版)[M]。西安：西安交通大学出版社，2001，9。
[17] 黄长艺，严普强主编。机械工程测试技术基础[M]。北京：机械工业出版社，1995。
[18] 楼顺天，李博菡。基于MATLAB的系统分析与设计之信号处理[M]。西安：西安电子科技大学出版社，1998，9。
[19] 雷继尧，何世德等。工程信号处理技术[M]。重庆：重庆大学出版社，1990，5。
[20] Shi Z, Jiao L C. Wavelet neural networks for signal estimation and detection with noise. IJCNN[J], 1992, 3(1): 125～128。
[21] 黄秉宪编著。脑的高级功能与神经网络[M]。北京：科学出版社，2000，5。
[22] 沈世镒著。神经网络系统理论及其应用[M]。北京：科学出版社，1998。
[23] 袁曾任编著。人工神经元网络及其应用[M]。北京：清华大学出版社，1999。
[24] 张智星，孙春在，(日)水谷英二著。神经—模糊与软计算[M]。西安：西安交通大学出版社，2000。
[25] [瑞典]E．帕特-埃南德，[瑞典]A．舍贝里著。MATLAB5手册[M]，北京：机械工业出版社，2000。
[26] 孙即祥等编著。现代模式识别[M]，长沙：国防科技大学出版社，2002。
[27] 殷勤业等编译。模式识别与神经网络[M]，北京：机械工业出版社，
[28] Microsoft公司著。Programming with MFC and Windows[M]，北京：北京大学出版社，2000。
[29] [美]K．格雷戈里著。Visual C++6使用开发手册[M]，北京：机械工业出版社，1999。
[30] 同志工作室编著。Visual C++6.0数据库开发实例[M]，北京：人民邮电出版社，2001。
[31] [美]Kurt Cagle著。XML高级开发指南[M]。北京：电子工业出版社，2001。
[32] 微软公司，东方人华编著。XML3.0技术内幕[M]。北京：清华大学出版社，2001。
[33] 刘志俭等编著。MATLAB应用程序接口用户指南[M]。北京：科学出版社，2001。
[34] 虞和济，陈长征，张省，周建男。基于神经网络的智能诊断[M]。冶金工业出版社，2000。
[35] Jens Haecker and Stephan Rudolph. On neural network topology design for nonlinear control. The International Society for Optical Engineering v 4390 Apr 17-18 2001.
[36] 张捷，李伯全。一种改进BP神经网络的算法及其在故障诊断中的应用[J]。机械设计及制造，2002，5
[37] 李伯全，张捷。应用MATLAB工具箱在VC++中实现神经网络的程序设计[J]。机械制造，2002，11。
[38] 张立明。人工神经网络的模型及其应用[M]。上海：复旦大学出版社，1993。
[39] 张定会，邵惠鹤。基于神经网络的故障诊断推理方法[J]。上海交通大学学报，1999，5，619～621。
[2] 洛德汉。关于定义设备诊断学理论、方法、技术的讨论[J]。杭州：第四届全国机械设备故障诊断学术会议论文集，1994；28～32。
[3] [英]R．A．克拉科特著，孙维东，麦松江，邓续魁，贾志隆，朱朋飞译。机械故障的诊断与情况监测[M]。北京：机械工业出版社，1983。
[4] 雷继尧，何世德。机械故障诊断基础知识[M]，西安：西安交通大学出版社，1989。
[5] 崔宁博编译。设备诊断技术—振动分析及其应用[M]。天津：南开大学出版社，1988。
[6] 王萍辉。现场齿轮箱内齿轮故障的振动法诊断[J]。长沙电力学院学报，1999，14(1)；51～55。
[7] 卢文祥，杜润生。工程测试与信息处理[M]。华中理工大学出版社，1994，9。
[8] 丁康，李永健，王志杰。传动箱典型故障振动特征的提取与分析[J]。杭州：第四届全国机械设备故障诊断学术会议论文集，1994；593～594。
[9] 程春芳，刘瑞昌，凌证炎。用功率谱、最大熵谱和Green函数诊断齿轮故障[J]。天津：第三届全国机械设备故障诊断学术会议论文集，1991；536～541。
[10] 金少先，金中石。齿轮振动的边带分布特征与故障诊断实例[J]。振动工程学报，1999，3。
[11] 郝重阳，唐文彬，齐敏，张宇，U．Heute，王旭东。一种快速局部细化频谱分析新方法——SSA[J]。电子学报，2000，3，106～108。
[12] 杜设亮，张云，李剑，陈子辰。频谱分析在齿轮故障诊断中的应用研究[J]。机电工程，1999，5，211～213。
[13] 金少先，金中石。齿轮振动的边带分布特征与故障诊断实例[J]。振动工程学报，1999，9，429～432。
[14] 林建辉。基于神经网络的故障诊断[J]。机械科学与技术，1998，5，437～439。
[15] 胡广书。数字信号处理[M]。北京：清华大学出版社，1997，8。
[16] [美]A．V．奥本海默，R．W．谢弗，J．R．巴克著，刘树棠，黄建国译。离散时间信号处理(第2版)[M]。西安：西安交通大学出版社，2001，9。
[17] 黄长艺，严普强主编。机械工程测试技术基础[M]。北京：机械工业出版社，1995。
[18] 楼顺天，李博菡。基于MATLAB的系统分析与设计之信号处理[M]。西安：西安电子科技大学出版社，1998，9。
[19] 雷继尧，何世德等。工程信号处理技术[M]。重庆：重庆大学出版社，1990，5。
[20] Shi Z, Jiao L C. Wavelet neural networks for signal estimation and detection with noise. IJCNN[J], 1992, 3(1): 125～128。
[21] 黄秉宪编著。脑的高级功能与神经网络[M]。北京：科学出版社，2000，5。
[22] 沈世镒著。神经网络系统理论及其应用[M]。北京：科学出版社，1998。
[23] 袁曾任编著。人工神经元网络及其应用[M]。北京：清华大学出版社，1999。
[24] 张智星，孙春在，(日)水谷英二著。神经—模糊与软计算[M]。西安：西安交通大学出版社，2000。
[25] [瑞典]E．帕特-埃南德，[瑞典]A．舍贝里著。MATLAB5手册[M]，北京：机械工业出版社，2000。
[26] 孙即祥等编著。现代模式识别[M]，长沙：国防科技大学出版社，2002。
[27] 殷勤业等编译。模式识别与神经网络[M]，北京：机械工业出版社，
[28] Microsoft公司著。Programming with MFC and Windows[M]，北京：北京大学出版社，2000。
[29] [美]K．格雷戈里著。Visual C++6使用开发手册[M]，北京：机械工业出版社，1999。
[30] 同志工作室编著。Visual C++6.0数据库开发实例[M]，北京：人民邮电出版社，2001。
[31] [美]Kurt Cagle著。XML高级开发指南[M]。北京：电子工业出版社，2001。
[32] 微软公司，东方人华编著。XML3.0技术内幕[M]。北京：清华大学出版社，2001。
[33] 刘志俭等编著。MATLAB应用程序接口用户指南[M]。北京：科学出版社，2001。
[34] 虞和济，陈长征，张省，周建男。基于神经网络的智能诊断[M]。冶金工业出版社，2000。
[35] Jens Haecker and Stephan Rudolph. On neural network topology design for nonlinear control. The International Society for Optical Engineering v 4390 Apr 17-18 2001.
[36] 张捷，李伯全。一种改进BP神经网络的算法及其在故障诊断中的应用[J]。机械设计及制造，2002，5
[37] 李伯全，张捷。应用MATLAB工具箱在VC++中实现神经网络的程序设计[J]。机械制造，2002，11。
[38] 张立明。人工神经网络的模型及其应用[M]。上海：复旦大学出版社，1993。
[39] 张定会，邵惠鹤。基于神经网络的故障诊断推理方法[J]。上海交通大学学报，1999，5，619～621。