基于振动监测和油液分析的齿轮箱多参数故障诊断方法优化研究

摘要

相比于单参数故障诊断方法，多参数故障诊断方法可以更加准确地识别出设备的故障工况。但在实际应用中，多参数监测方案的制定较大程度依赖于从业人员的经验和知识水平，敏感对象单一的监测方案会导致诊断结果精度不足，项目功能冗余的监测方案会导致监测成本过高。为了探索出简洁有效的多参数监测方案制定方法，本文以齿轮箱为研究对象，对基于振动监测和油液分析的多参数故障诊断方法进行优化研究。主要内容如下： 首先，在探究齿轮表面失效机理与振动信号特征、油液信息指标内在联系的基础上，分别对振动信号的时域波形、频域谱图和油液的理化性能指标、磨粒信息等常用设备状态监测项目进行分析，确定待优化的齿轮箱多参数状态监测方案，为故障诊断方法的优化研究提供理论支撑。 其次，为了获得准确的齿轮箱磨损故障工况信息，在QPZZ-Ⅱ型旋转机械故障模拟实验台上开展齿轮箱故障模拟实验。根据齿轮磨损故障工况特点，按照正常、轻微磨损、异常磨损、严重磨损和失效五个阶段，对齿轮全生命周期的故障工况模拟方法进行设计并完成加工。构建由振动传感器、采集仪和信号分析软件组成的振动监测系统，采集齿轮箱故障振动信号并提取相关特征参数。构建由毛细管粘度计、颗粒计数器和旋转式铁谱分析系统组成的油液分析系统，采集故障齿轮油样并提取相关特征参数。 然后，为了实现基于振动监测和油液分析的齿轮箱多参数故障诊断方法，在探究神经网络解决故障诊断问题的原理基础上，构建基于BP神经网络的故障诊断模型，根据齿轮箱故障模拟实验结果建立故障诊断模型的训练样本集，完成齿轮箱多参数故障诊断基础模型的仿真和训练，并对该模型的训练结果进行总结。 最终，针对齿轮箱多参数故障诊断基础模型易发生过拟合的问题，提出一种基于遗传算法的优化方法，在完成算法框架和相关算子设计的基础上，对故障诊断基础模型进行优化，剔除多参数监测方案中的冗余项目，确定故障诊断模型的最优初始连接权值、阈值。通过模型性能对比试验，验证基于遗传算法的齿轮箱多参数故障诊断模型优化方法的正确性和有效性。

目录

声明

致谢

变量注释表

1 绪论

1.1选题背景

1.2研究现状

1.2.1基于振动监测技术的齿轮箱故障诊断研究

1.2.2 基于油液分析技术的齿轮箱故障诊断研究

1.2.3 基于信息融合技术的齿轮箱多参数故障诊断方法研究

1.3研究意义

1.4研究内容

1.5 本章小结

2基于振动监测和油液分析的齿轮箱故障诊断机理研究

(2)齿面点蚀与剥落

(4)齿面塑性变形

2.2 基于振动监测的齿轮箱故障诊断原理

2.2.1齿轮箱振动监测机理及其信号特征

2.2.2时域幅值分析法

2.2.3频域特征分析法

2.3基于油液分析的齿轮箱故障诊断原理

2.3.1 齿轮箱的油液分析机理

2.3.2 油液理化性能分析

2.3.3磨粒定量分析技术

2.3.4磨粒定性分析技术

2.4齿轮箱多参数状态监测方案的建立

2.5 本章小结

3 齿轮箱故障模拟与综合监测实验研究

3.1齿轮箱故障模拟与综合监测实验的基本思路

3.2齿轮箱故障模拟实验

3.2.2齿轮磨损故障工况模拟实验方案

3.3振动监测实验

3.3.1 齿轮箱振动监测系统构建

3.3.2测点和安装方式

3.3.3齿轮箱故障振动特征参数提取

3.4油液分析实验

3.4.1齿轮箱油液分析系统构建

3.4.2油液取样方案规划

3.4.3 油样理化特征参数提取

3.4.4 油样磨粒特征分析

3.5 本章小结

4 基于BP神经网络的齿轮箱多参数故障诊断基础模型构建

4.1人工神经网络与故障诊断

4.2 基于 BP 神经网络的故障诊断模型建模原理

4.2.1 人工神经网络基础

4.2.2 BP神经网络模型基础

4.3 基于 BP 神经网络的齿轮箱多参数故障诊断基础模型

4.3.1 BP神经网络设计

4.3.2 齿轮箱多参数故障诊断基础模型的仿真和训练

5 基于遗传算法的齿轮箱多参数故障诊断模型优化研究

5.1基于遗传算法的BP神经网络优化方法原理

5.2 基于遗传算法的 BP 神经网络优化方法实现

5.2.1 基于遗传算法的BP神经网络优化算法框架设计

5.2.2 优化算子设计

5.3基于GA-BP神经网络的齿轮箱多参数故障诊断模型仿真及其性能分析

5.3.1GA-BP神经网络的仿真建模

5.3.2优化前后齿轮箱多参数故障诊断模型性能对比分析试验

5.4 本章小结

6 总结与展望

6.1 主要结论

6.2工作展望

参考文献

附录1

附录2

作者简历

学位论文原创性声明

学位论文数据集