一种BP神经网络的汽车齿轮箱故障诊断方法及实验验证

论文摘要

在小波神经网络算法的基础上,从时域和频域两方面对汽车齿轮箱的振动信号进行分析并提取时频域的多个表征值,设计了一种应用于汽车齿轮箱故障诊断的BP神经网络算法。采用经验模态分解法对齿轮箱时频域下的多维故障特征值进行分析和提取,导出了BP神经网络算法步骤和诊断模型;进一步以JZQ! 250齿轮箱为研究对象,对该算法进行数据训练和验证,其状态实验数据结果表明,该算法能够在考虑汽车齿轮箱复杂故障下实现正确诊断,其用于汽车变速箱故障诊断具有较好的实用性,对汽车齿轮箱的故障诊断提供了一定借鉴。

论文目录

• 0 引言
• 1 齿轮的振动机理及故障特征分析
•   1.1 齿轮的振动模型简化
•   1.2 齿轮故障信号的特征分析
• 2 BP神经网络诊断模型构建
• 3 实验验证
•   3.1 实验设计
•   3.2 网络的构建及故障诊断的实现
•     3.2.1 BP神经网络的设置
•     3.2.2 神经网络的训练与齿轮故障诊断
• 4 结论

文章来源

类型: 期刊论文

作者: 杨家印

关键词: 汽车齿轮箱,时频特征,神经网络,故障诊断

来源: 机械传动 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 汽车工业

单位: 江苏联合职业技术学院徐州经贸分院

分类号: U472

DOI: 10.16578/j.issn.1004.2539.2019.01.030

页码: 150-153

总页数: 4

文件大小: 403K

下载量: 304