基于神经网络的行波超声电机的摩擦材料故障诊断

摘要

行波超声电机现已推广市场,它利用压电陶瓷逆压电效应和定转子间摩擦运行工作。摩擦材料是行波超声电机关键元部件之一,摩擦材料出现故障会引起定转子间的接触状态发生变化,从而导致超声电机性能的变化,甚至超声电机无法正常运行。因此,对摩擦材料进行故障诊断,监测超声电机工作运行状态,有很好的实际应用意义。
　　对行波超声电机摩擦材料故障进行分类,主要研究了摩擦材料过度磨损和材料剥落两类故障。搭建行波超声电机试验测试系统,确定故障设置方法,试验研究不同摩擦材料故障对超声电机性能的影响。分析对比各故障状态下超声电机性能,判定何种程度的故障会对超声电机的运行状态造成影响,为诊断摩擦材料故障提供故障判定依据。
　　确定行波超声电机故障信号类型,包括噪声信号、驱动和反馈电压信号、温度信号及电流值。在消声隔音条件下进行行波超声电机噪声信号的测试,在保温条件下监测超声电机外壳表面温度的变化。对各故障信号进行分析研究,提取体现故障特征的特征参数,以获得故障诊断的样本数据。
　　利用BP神经网络对行波超声电机摩擦材料故障进行诊断,对神经网络模型进行设计,主要是对隐含层节点数和训练函数算法的优选。采用了先诊断故障类型再诊断故障程度的故障诊断方法,利用不同的训练样本分别设计了摩擦材料故障类型诊断网络和摩擦材料故障程度诊断网络,并利用新的数据样本对所设计的神经网络进行测试,证实了所建的神经网络故障识别模型是有效的,可以很好的诊断超声电机摩擦材料的故障。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景及研究的目的和意义

1.2 国内外相关技术研究现状

1.3 人工神经网络在电机故障诊断中的应用及其优势

1.4 本课题主要研究内容

第2章 摩擦材料故障测试系统及试验方法

2.1 行波超声电机试验测试系统

2.2 摩擦材料故障对行波超声电机性能的影响

2.3 本章小结

第3章 行波超声电机摩擦材料故障信号研究

3.1 故障信号产生机理及特征分析

3.2 故障信号采集

3.3 故障信号分析处理及特征提取

3.4 本章小结

第4章 基于神经网络的摩擦材料故障识别方法

4.1 摩擦材料故障类型识别

4.2 摩擦材料故障程度判断

4.3 神经网络测试

4.4 本章小结

结论

参考文献

攻读学位期间发表的学术论文

声明

致谢