基于CBR和RBR混合推理的轧机齿轮箱智能诊断技术研究

摘要

本课题针对传统齿轮箱智能诊断系统获取知识的困难,提出了基于案例(Case-based Reasoning,CBR)和规则(Rule-based Reasoning,RBR)混合推理方式的智能诊断技术。在研究两种推理技术优缺点的基础上,取长补短,合理的应用到轧机齿轮箱故障诊断工作中,有效提高了故障诊断的准确率和效率。本课题研究的主要内容如下： (1)结合齿轮和轴承传动的振动模型,系统研究齿轮箱典型故障的时域和频域特征,针对模拟故障的试验数据以及轧机监测系统提供的工程数据,研究时域和频域特征与设备故障之间的关系。 (2)根据实验室多年积累的成功案例,提取相应的时、频域特征建立典型故障案例库。运用面向对象的方法表示案例,大大方便了案例库的管理。针对传统案例检索中相似度算法的不足之处,提出了一种新的案例检索算法,有效的解决了传统的相似度算法检索案例不准确的问题。 (3)深入研究基于规则的智能诊断技术中的知识表示和规则推理,运用模糊产生式方法表示故障诊断的规则,解决了一些模糊属性表示困难的问题,将一些定性的信息定量化,根据轧机齿轮箱关键部件的典型故障特征,建立轧机齿轮箱故障诊断知识库。在推理机制的研究中,以模糊数学理论为基础,建立了齿轮箱故障诊断规则的模糊矩阵,通过模糊逻辑推理的方法得出诊断结论。 基于上述思想,本课题最终建立了轧机齿轮箱智能诊断系统,系统已在实验室中应用,通过分析现场采集的工程数据,获得了较高的准确率和良好的使用效果。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题的研究背景

1.2课题的研究意义

1.3 国内外研究现状

1.3.1 智能诊断技术综述

1.3.2基于CBR的诊断技术发展现状

1.3.3基于RBR的智能诊断技术发展现状

1.4本文的主要研究内容

第2章 轧机齿轮箱典型故障的识别特征研究

2.1 轧机齿轮传动简介

2.2 寸域参数法在齿轮箱诊断中的应用

2.2.1有量纲参数

2.2.2无量纲参数

2.2.3 时域参数灵敏性的实验分析

2.2.4 工程数据的时域参数分析

2.3齿轮典型故障特征研究

2.3.1 齿轮振动信号的模型

2.3.2解调分析在齿轮箱故障诊断中的应用

2.3.3齿轮故障实际案例分析

2.4滚动轴承故障机理及特征

2.4.1滚动轴承故障特征频率分析

2.4.2滚动轴承典型故障研究和实验数据分析

2.4.3轧机轴承的故障实例分析

2.5本章小结

第3章 基于案例推理的智能诊断技术研究

3.1 CBR系统工作流程

3.2轧机齿轮箱案例库的构建

3.2.1 轧机齿轮箱案例的描述方法研究

3.2.2面向对象的案例表示方法

3.2.3轧机齿轮箱案例数据库的建立

3.3基于案例推理的检索策略研究

3.3.1 传统案例检索相似度算法及其缺陷

3.3.2改进案例检索算法

3.3.3两种检索算法的比较

3.3.4案例的检索过程

3.4案例库的维护和管理的研究

3.5本章小结

第4章 基于规则推理的智能诊断技术研究

4.1 基于规则推理的智能诊断系统简介

4.2轧机齿轮箱故障诊断知识表示

4.3基于模糊产生式规则的知识表示方法研究

4.4知识的获取

4.5知识库的建立

4.6典型故障的模糊推理机制研究

4.6.1模糊数学理论

4.6.2隶属函数和隶属函数的确定

4.6.3模糊关系矩阵

4.6.4模糊推理策略研究

4.6.5模糊推理机制实际诊断实例

4.7本章小结

第5章基于CBR和RBR混合推理的轧机齿轮箱智能诊断系统实现与应用

5.1 需求分析

5.1.1 企业需求

5.1.2技术需求

5.2轧机齿轮箱智能诊断系统特点

5.2.1系统简介

5.2.2系统的开发特色

5.3智能诊断系统设计思路

5.3.1 智能诊断的工作流程

5.3.2智能诊断系统的工作原理

5.4轧机齿轮箱智能诊断系统实现与应用

5.4.1智能诊断系统的主要模块

5.4.2各个模块的功能详细的介绍

5.5本章小结

结论与展望

参考文献

攻读硕士期间的成果及论文

致谢