齿轮箱故障诊断在安全生产中的应用

摘要

随着科学技术的不断进步，机械设备向着高性能、高效率、高自动化和高可靠性的方向发展。齿轮箱由于具有传动比固定、传动转矩大、结构紧凑等优点，是用于改变转速和传递动力的最常用的传动部件，是机械设备的一个重要组成部分，也是故障易于发生的一个部件，其运行状态对整机的工作性能有很大的影响。在齿轮箱故障诊断中，充分提取故障信息，准确判断故障性质和故障源，选择有效的信号处理和故障诊断方法是诊断成败及提高诊断灵敏度的关键。 本论文在分析传统的诊断方法基础上，还在齿轮箱的智能化诊断方面进行了有益的探索，将人工神经网络理论技术应用到齿轮箱的故障诊断中。本论文在分析国内外文献的基础上，进行了各种工况下的齿轮箱故障机理与诊断方法研究。 本文以JZQ250型号齿轮箱为实验对象，根据实际状况下齿轮箱的故障机理和振动特点，设计了状态监测与故障诊断实验方案，采集了齿轮箱振动信号，应用MATLAB软件中自带的神经网络工具箱，编程实现了神经网络预测模型，并利用实验室数据的峭度指标进行了实验。首先给出网络的输入及对应的目标输出，然后经过训练获得网络的权值和阈值，最终构建齿轮箱故障神经网络来进行故障的诊断。实验证明，此模型能够有效地检测出齿轮箱的典型故障，可以用于齿轮箱的故障诊断。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题的目的

1.2课题的意义

1.3当前国内外的发展动态

1.4预计达到的要求与主要研究内容

1.4.1本课题预期达到的目标：

1.4.2课题主要研究内容：

1.5小结

第二章齿轮箱的结构及常见故障形式

2.1齿轮箱的结构和组成部件

2.1.1齿轮

2.1.2轴

2.1.3轴承

2.2齿轮箱中零部件常见的失效形式

2.2.1齿面磨损

2.2.2齿面胶合和划痕

2.2.3齿面疲劳

2.2.4弯曲疲劳与断齿

2.2.5轴不平衡、不对中和弯曲

2.2.6滚动轴承的失效

2.3齿轮箱故障的主要形式

2.4小结

第三章齿轮箱信号分析及故障诊断原理

3.1齿轮振动机理分析

3.1.1齿轮产生振动的原因及特征

3.1.2理想齿轮振动模型

3.1.3啮合刚度

3.1.4齿轮的传动误差

3.2齿轮振动的特征分析

3.2.1齿轮振动信号的啮合频率及其谐波

3.2.2信号调制和边带分析

3.2.3附加脉冲

3.2.4隐含成分

3.3齿轮及齿轮箱振动信号的分析方法

3.3.1时域统计特征

3.3.2频谱分析技术和离散频谱的校正

3.3.3时频分析法

3.3.4细化谱分析法

3.3.5倒频谱分析法

3.3.6瀑布图分析法

3.3.7解调分析法

3.4小结

第四章基于神经网络的齿轮箱故障诊断方法

4.1神经网络简介

4.1.1神经网络的结构和基本特征

4.1.2神经网络的分类

4.1.3神经网络的BP算法

4.1.4BP算法的改进

4.2基于神经网络的混合智能故障诊断技术

4.2.1基于神经网络的故障诊断专家系统

4.2.2基于神经网络的模糊理论

4.2.3基于神经网络的小波分析

4.3小结

第五章齿轮箱信号采集实验与故障诊断

5.1齿轮箱振动信号采集实验

5.1.1实验方案

5.1.2齿轮箱的结构

5.1.3实验仪器及选用

5.1.4齿轮箱的振动测量

5.2齿轮箱故障信号分析

5.2.1齿面磨损

5.2.2轴承疲劳剥落

5.3利用神经网络对齿轮箱进行故障诊断

5.3.1神经网络的输入

5.3.2信号的归一化处理

5.3.3BP神经网络的生成和初始化

5.3.4BP神经网络的训练及检验

5.3.5应用主元分析法改进的神经网络

5.4小结

第六章结论与展望

6.1结论

6.2展望

参考文献

攻读硕士期间发表的论文

致谢