基于序贯概率比检验和小波神经网络的齿轮箱故障诊断方法

摘要

齿轮箱是用来传递动力和改变转速的常用机械装置，由于其具有结构紧凑，效率高，寿命长及工作稳定等特性，在机械传动领域获得了广泛的运用。然而，齿轮由于长期负载运转，使用条件恶劣，很容易发生故障。因此，对齿轮箱进行状态监测和诊断对保证机械设备正常运行具有非常重要的意义。齿轮箱的故障诊断主要包括齿轮箱故障信息检测、特征提取和状态识别。其中，对齿轮箱的故障特征进行提取是实现故障诊断的关键和难点。本文采用序贯概率比检验提取统计特征，结合神经网络对故障进行分类，实现了对齿轮箱的智能诊断。
　　序贯概率比检验是一种基于序列观测的统计决策程序，在故障诊断领域应用非常广泛。首先根据提取的样本观测数据建立统计量模型，再提出检验问题的基本假设，最后，根据具体的故障信息进行检验和判断。序贯概率比检验的整个过程算法简单，具有较高的检测效率。为了验证实验结果的可靠性，运用结合均方根误差算法和序贯概率比检验的三层序贯概率比检验对齿轮箱的故障进行评估。结果表明该方法是有效和可靠的。
　　齿轮箱的振动信号中含有很多非线性、非高斯的噪声信号，我们首先需要过滤掉这些噪声信号，降低噪声对提取的齿轮箱的振动信号的影响，用小波包变换的方法对振动信号进行预处理，采用时域分析法提取预处理后信号的特征值，选用对冲击非常敏感的峭度值作为特征值，将序贯概率比检验算法应用于齿轮箱故障模式的检验和识别中，达到故障诊断的目的。
　　在进行故障分类时，创建小波神经网络模型。小波神经网络即融合了小波变换的时频局域化特性及神经网络自学功能的新型神经网络模型，其兼具特别出色的容错能力及逼近能力。最终结果表明，先用序贯概率比检验提取统计特征，再用小波神经网络对特征优化分类，提出了一种新的智能诊断方法，对诊断效果有明显的改善。

目录

声明

第1章 绪 论

1.1课题的研究背景及意义

1.2 齿轮箱故障诊断的发展和现状

1.3 序贯概率比检验理论的应用研究

1.4 本文研究的主要内容和结构安排

第2章 序贯概率比检验算法研究

2.1 基本概念

2.2 Wald的序贯概率比检验理论[47]

2.3序贯概率比检验算法的基本步骤

2.4 序贯概率比检验算法的改进

2.5 序贯概率比检验在工程实践中的应用步骤

2.6 本章小结

第3章 齿轮箱故障诊断实验设计

3.1 信号采集设备

3.2 齿轮相关知识的介绍

3.3 齿轮裂纹的参数设置

3.4 齿轮的选择

3.5 实验参数设置

3.6 实验步骤

3.7 本章小结

第4章 序贯概率比检验在齿轮箱故障诊断中的应用研究

4.1 小波包降噪

4.2 特征值的提取

4.3 基于序贯概率比检验的齿轮箱故障诊断

4.4 基于三层序贯概率比检验的齿轮箱多状态识别

4.5 本章小结

第5章 小波神经网络的齿轮箱故障状态分类研究

5.1 小波神经网络

5.2 齿轮箱振动信号的特征参数提取

5.3 基于小波神经网络的故障状态分类

5.4 本章小结

第6章 总结与展望

6.1 本文研究工作总结

6.2 未来研究的展望

参考文献

攻读硕士期间已发表的论文

致谢