原文传递
基于智能技术的后桥主减速器齿轮故障诊断研究
| 论文题名： | 基于智能技术的后桥主减速器齿轮故障诊断研究 |
| 关键词： | 后桥主减速器;齿轮故障;故障诊断;人工神经网络;模拟退火算法 |
| 摘要： | 现代汽车技术发展突飞猛进，人们对汽车的质量要求越来越高，汽车的噪声、振动、与舒适性即NVH(noise，Viblalion，Harshness)是衡量汽车制造质量的一个综合性指标。在汽车噪声中，主减速器是微车传动系统中的关键部件总成，齿轮作为主减速器中的重要零件，其振动噪声是主要噪声源之一。齿轮的振动产生噪音是客观存在的，但如果齿轮噪声过大，则对汽车的质量安全带来隐患，同时又污染环境，影响人们乘坐的舒适性。目前，对齿轮故障诊断，企业的做法多为靠人工听齿轮转动的声音来判断齿轮的好坏，对工人的业务要求较高，需要有经验的工人师傅才能担当这一任务。因此，对齿轮噪声携带的信息，利用相关仪器进行采集，分析其特征，规律，然后利用现代计算机智能方法对其进行诊断研究，是一件很有意义的工作。 齿轮噪声传递出来的信息是杂乱的，非线性的，为了寻求其中的规律，利用人工神经网络方法对其进行研究是相得益彰的。人工神经网络是一种非程序化、适应性、大脑风格的信息处理。尤其是BP神经网络，结构简单，可塑性强，在故障诊断领域已经有了广泛的应用。然而，BP网络的优缺点也十分突出，其自学习自适应能力强，容错性强，极其适于处理非线性复杂问题，但是收敛速度慢，尤其是极易陷入局部最优点，制约了其性能。模拟退火算法适合解大规模组合优化问题，计算过程简单通用，鲁棒性强，适用于并行处理，尤其是在理论上被证明是一种以概率1收敛于全局最优解的全局优化算法。用模拟退火算法改进BP神经网络，克服了BP神经网络极易陷入局部最优点的缺点，进一步提高了网络的性能。 本文介绍了齿轮故障诊断的相关研究，具体阐述了BP神经网络和模拟退火算法，对其优缺点和改进方法进行了分析，并且用融合的模拟退火BP神经网络对齿轮噪音信息进行处理诊断，并对诊断结果进行了分析。结果对比表明，融合的模拟退火BP神经网络具有更好的性能，对齿轮故障的诊断精度更高。 |
| 作者： | 余维康 |
| 专业： | 计算机应用技术 |
| 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： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
