基于小波神经网络弧齿锥齿轮故障诊断及实验研究

doi:10.16578/j.issn.1004.2539.2011.12.006

您当前的位置：

首页 >

文章列表页 >

基于小波神经网络弧齿锥齿轮故障诊断及实验研究

更新时间：2025-04-03

- 基于小波神经网络弧齿锥齿轮故障诊断及实验研究
- Vol. 35, Issue 12, Pages: 66-69(2011)
- 作者机构：
  
  西北工业大学机电学院2. 西安工业大学机电工程学院
- 作者简介：
- 基金信息：
- DOI：10.16578/j.issn.1004.2539.2011.12.006
  CLC： TH165.3
- Published：2011
- 稿件说明：
移动端阅览
[1]扶碧波,方宗德,沈云波.基于小波神经网络弧齿锥齿轮故障诊断及实验研究[J].机械传动,2011,35(12):66-69.

[J]. 2011, 35(12): 66-69.
[1]扶碧波,方宗德,沈云波.基于小波神经网络弧齿锥齿轮故障诊断及实验研究[J].机械传动,2011,35(12):66-69. DOI： 10.16578/j.issn.1004.2539.2011.12.006.

[J]. 2011, 35(12): 66-69. DOI： 10.16578/j.issn.1004.2539.2011.12.006.

摘要

提出了一种离散小波变换结合神经网络的故障状态识别方法

运用信号特征提取机理对航空用弧齿锥齿轮故障诊断及状态识别进行了研究。建立了弧齿锥齿轮传动系统振动测试试验台

对正常结构和故障结构的齿轮传动进行了试验测试

通过小波阈值去除掉齿轮箱的振动数据信号系统噪声的影响;采用离散小波变换提取信号的能量特征

利用带有反馈算法的神经网络对齿轮系统的故障状态进行了分类识别。结果表明

该方法齿轮故障识别结果的有效率可达100%

为齿轮系统的故障分析提供了一种有效途径。

Abstract

A fault diagnosis method of discrete wavelet transform and neural networks is proposed

by using signal feature extraction mechanism

aviation spiral bevel gear fault diagnosis and state recognition is studied.A test rig of spiral bevel gear system vibration testing is built

the testing of normal and defective gear transmission is carried out.The influence of noise on gearbox vibration data signal system is removed through the wavelet threshold.By using discrete wavelet transform

the signal energy features is extracted

gear system fault state classification recognition is carried out by using neural networks with feedback algorithm.The results show that the gear fault recognition result effective rate is to 100%.An effective way for gear system fault analysis is provided.

关键词

Keywords

references

Views

173

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

齿轮箱故障诊断技术的新发展

蚁群神经网络在齿轮箱故障诊断中的研究与应用

基于神经网络的齿轮故障诊断专家系统

基于粒子群优化SOM神经网络的轴系多振动故障诊断

基于证据理论的齿轮故障诊断

Related Author

高国华

张永忠

吴玉国

宋崇智

李佳

礼宾

王梦卿

贾爽

Related Institution

西安建筑科技大学

红河学院工学院

军械工程学院军械技术研究所

兰州交通大学机电工程学院

中北大学机械工程与自动化学院2. 晋中学院机械学院

⁰