原文传递
基于盲源分离和神经网络在齿轮故障诊断中的策略研究
| 论文题名： | 基于盲源分离和神经网络在齿轮故障诊断中的策略研究 |
| 关键词： | 齿轮;故障诊断;盲源分离;神经网络;汽车 |
| 摘要： | 汽车的品质特性是衡量汽车制造质量的一个综合性指标。统计表明，整车约1/3的故障问题与车辆的NVH问题有关，国际上各大汽车公司有近20％的研发费用消耗在解决车辆的NVH问题上。汽车后桥是汽车传动系统中的关键部件，其性能直接影响整车品质。 汽车后桥主减装配的的故障种类繁多，如齿轮毛刺、异响等。面对这些问题，目前国内外厂商和研究机构多采用测量后桥噪音的办法来确定主减合格与否以及质量特性。 齿轮故障诊断一般步骤包括信号采集、特征提取、状态识别这三个环节。齿轮故障类型的不同导致产生的机械振动信号是不同的，通过对传感器采集到的振动信号进行适当的分析处理，可以降低噪声的影响，提高信噪比，获得所提取信号的准确量值，得到其准确的特征，以发现测试对象的本质特点。 本文对信号的特征提取采用了盲源信号分离的技术，利用盲源分离的优势是可以在不知源信号和传输通道的参数的情况下，根据输入源信号的统计特征，仅由观测信号来恢复源信号的各个独立成分的过程。将独立成分分析方法应用于盲源分离，能够从混合信号中重现不可观测的各源信号成分，而所需要的仅仅是源信号统计独立等容易满足的先验条件。神经网络作为一种自适应的模式识别技术被应用于信号的状态识别中，神经网络不需要预先给出有关模式的经验知识和判别函数，它通过自身的学习机制自动形成所要求的决策区域。 本文建立了一种基于独立成分分析和神经网络的齿轮故障诊断方法，采用独立成分分析中的快速独立成分分析方法进行了振动信号的特征提取，对传感器接收的振动信号进行了盲源分离。然后采用概率神经网络实现了分离信号的状态识别，进行了故障的类别识别。最后，本文给出了齿轮故障诊断策略的Matlab仿真分析。 |
| 作者： | 向倩 |
| 专业： | 计算机软件与理论 |
| 导师： | 潘昊 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
