论文部分内容阅读
行星齿轮箱作为复杂的复合齿轮传动系统,具有结构紧凑、传动比大、传动效率高、运行平稳等特点,已被广泛应用于汽车变速箱、风电机组、航空发动机组。由于工作环境恶劣,常会发生齿轮和轴承的损伤和故障,而且由于损伤程度不同、故障模式多样以及振动信号传递路径复杂等原因,使行星齿轮箱状态识别和故障诊断的难题一直未有效地得到解决。近十几年,生物群体智能技术以其独特的优势在故障诊断领域崭露头角。本论文主要对群智能算法中混合蛙跳算法(SFLA)和粒子群优化算法(PSO)的融合策略进行研究,改善算法性能,并将其应有于行星齿轮的KPCA特征提取和振动传递路径的建模及其参数优化中;并在行星齿轮箱故障诊断实验的基础上,应用群智能融合算法优化神经网络对行星齿轮传动的复杂工况进行识别与诊断。主要研究内容及结论如下:1.提出混合蛙跳算法与粒子群算法相融合的群智能融合算法(SFLA-PSO),给出“两层优化,内外循环”的融合策略,设计了融合算法流程,并用该融合算法对四个单峰和多峰测试函数进行仿真研究和性能测试。仿真结果表明:提出的SFLA-PSO群智能融合算法具有较好的全局搜索能力,在收敛时间、迭代速度和收敛精度上均优于SFLA和PSO。2.提出多项式和径向基(RBF)核函数线性组合的KPCA特征提取方法(CKKPCA);并建立基于Fisher判别准则的核参数及核权重优化的数学模型,应用SFLA-PSO群智能融合算法实现寻优,将优化后的CKKPCA应用于Iris数据集进行仿真研究和行星齿轮箱工程实例验证。分析结果表明:智能优化后的CKKPCA对于机械设备中非线性行为如损伤、边界模糊的状态,具有很好的识别效果。3.建立了行星齿轮箱的动力学模型,应用一种加权改进的海明函数来表示传递路径影响,提出应用SFLA-PSO优化路径影响函数权值的方法,并将其应用于行星齿轮正常工况和行星齿轮裂纹故障下的模拟振动信号分析中。综合考虑振源效应和传动路径效应,对行星齿轮箱总信号进行分析,并与实验测试结果进行比较,对传感器位置进行了优选。4.在实验室开展了行星齿轮箱故障模拟实验,测取了行星齿轮多磨损状态、太阳轮和行星轮复合故障状态、行星齿轮裂纹以及太阳轮断齿等故障状态的振动信号,进行了振动信号处理及特征频率分析。5.建立了神经网络故障诊断模型,提出基于SFLA-PSO群智能融合算法优化BP神经网络故障诊断方法,并应用于行星齿轮箱中行星齿轮不同磨损损伤程度的识别以及太阳轮和行星轮的复合故障诊断中。测试结果表明,SFLA-PSO优化的BP网络所有测试样本诊断正确率为100%,且整体输出误差较小,效果明显。由于SFLA-PSO融合算法起到调节优化神经网参数的作用,改善了算法的性能,使得行星齿轮磨损损伤状态识别及多模式复合故障诊断的准确性和识别率得到提高。