论文部分内容阅读
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。因此，对齿轮箱进行状态监测及故障诊断意义重大。
齿轮箱的振动信号相当复杂，因此如果仅仅只从时域或频域分析对齿轮箱的振动信号进行分析，很难准确诊断齿轮箱故障，而联合时域和频域分析的特性来识别这类信号，提供时域和频域的综合信息，可以提高诊断的准确性和可靠性，因此提出并研究了一种新的齿轮箱故障诊断技术——基于时、频域和神经网络诊断法。
本文分析了齿轮和轴承的常见故障类型及典型故障的振动机理，介绍了时域分析、频域分析和神经网络诊断法的基本原理，提出了应用时、频域分析方法提取特征向量的方法，详细阐述了基于时域和频域分析的神经网络诊断法。在构建的实验台上模拟齿轮箱五种典型故障形式，采集了各形式下的齿轮箱振动信号。对信号进行时域和频域综合分析，提取特征值作为神经网络的输入，建立了齿轮箱故障诊断模型。用该模型对数据进行分析和处理，为齿轮箱的故障诊断提供了强有力的分析手段。