论文部分内容阅读
本课题是国家863高技术研究发展计划资助项目“汽车变速器装配过程综合质量问题诊断、评估与度量技术”及国家自然科学基金项目“基于解释/归纳策略的汽车变速箱新产品故障诊断机器学习方法研究”的主要研究内容之一，同时以沈阳上汽金杯汽车变速器新产品为应用背景，以阶次分析和特征提取为理论依据，设计开发了数据采集、时频分析、学习训练、在线检测、数据存储等五个主要功能模块，其目的在于实现工业现场汽车变速器的在线故障诊断，识别故障类别，为变速器的检测和维修提供依据，从而有助于提高生产效率。
在变速器故障诊断过程中，首先以LabVIEW为开发平台，利用M公司的PCI-4474和PCI-6601数据采集卡完成了变速器的振动信号和转速信号采集。在程序设置中，主要解决了数据同步的问题，同时对采集板卡之间的程序主控实现进行了较为系统的研究，成功配置了变速器故障诊断软硬件平台及应用系统。
其次，本文讲述了时域分析、频域分析、包络谱分析、倒频谱分析等信号处理方法，详细研究了基于时频域的特征提取在设备诊断学中的应用。采用阶次分析的方法进行旋转机械的故障判别，并介绍了其与传统频域分析的不同。由于在不同测点位置处通过振动传感器获取的振动信号包含的故障特征是不同的，所以从变速器不同位置处采集的信号中提取特征值进行分析评价，选取更能表征各种故障特征的最佳安装位置，为变速器故障诊断奠定基础。
最后，根据变速器的故障类别，建立BP神经网络模型进行故障分类研究，将阶次分析得到的128阶阶次谱作为神经网络训练的输入参数，进行仿真分析。由于BP网络存在收敛慢、不稳定性等缺点，利用遗传算法(GA)优化BP神经网络，结果表明GA-BP网络能够加快网络的收敛速度，并且具有较好的性能及相对较高的预测精度，从而保证了故障分类的准确性和可靠性。
本文设计实现的变速器故障诊断系统，目前已在上汽金杯变速器生产线上应用，满足装配过程中的现场控制及功能要求，可有效提高汽车变速器的故障检测效率，具有较高的推广应用性。