原文传递
基于BP神经网络的齿轮故障模式识别研究
| 论文题名： | 基于BP神经网络的齿轮故障模式识别研究 |
| 关键词： | 特征提取;模式识别;BP神经网络;汽车变速器;齿轮故障诊断;振动信号;时域分析 |
| 摘要： | 齿轮是汽车变速器的重要组成部分,担负着传递发动机动力的巨大作用,其工作状态直接影响传动系统的效率。齿轮是应用最为广泛,同时也是最易损坏的零件,因此,对齿轮实施故障诊断非常必要,受到了越来越多的重视。 对齿轮实施故障诊断的实质就是模式识别。齿轮模式识别是通过对提取的特征信息进行分析和处理实现的。传统的信号时域和频域分析方法,可以提取故障特征信息,为进一步提高齿轮故障诊断的准确性和快速性,随着各种新技术的产生,信号的分析方法也有了新的发展,例如小波变换、包络分析等。 振动信号是齿轮故障特征信息的载体,本文系统的介绍了齿轮振动信号的特征提取方法,用时域分析、频域分析、时频分析和包络分析等方法综合分析齿轮故障信号。模拟齿轮故障实验,提取时域和频域内的故障特征信息。构建人工神经网络模型对提取的特征信息进行诊断,实现齿轮故障模式识别。神经网络具有独特的结构和处理信息的方法,将其应用到齿轮模式识别中,为齿轮故障诊断开辟了一条新途径。基于MATLAB平台,利用构建的PNN模型和BP神经网络模型对齿轮进行故障诊断。同时,对BP神经网络进行改进,通过对比,验证改进后的模型对齿轮模式识别效果更好,提高了齿轮故障诊断的效率,具有广阔的应用前景。 |
| 作者： | 高东璇 |
| 专业： | 载运工具运用工程 |
| 导师： | 司利增 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
