科研之友
微信
新浪微博
Facebook
分享链接
摘要
在电机驱动的齿轮传动系统中，电机本体具有传感器的特性，因此可以通过电机的定子电流、电磁转矩信号来进行齿轮故障分析，由于受转速和负载转矩的影响，使得故障诊断结果的准确率较低。针对此问题，提出一种基于双信号融合与反向传播神经网络相结合的齿轮故障诊断方法。对电机齿轮传动系统一体化建模，进行电机齿轮传动系统联合仿真。对齿轮的不同故障进行模拟，得到电机侧定子电流和电磁转矩的故障信号，采用双树复小波变换来分析齿轮故障频段信号，提取故障特征量，建立了丰富的齿轮故障样本库。搭建反向传播神经网络并提出改进的自适应学习率算法，实现了对齿轮断齿、磨损故障的精确分类。为了验证所提方法的有效性，搭建齿轮故障试验平台，对相应齿轮故障进行诊断，结果表明所提方法能够在不同转速和负载转矩条件下准确辨识齿轮的故障类型，相较于只采用定子电流和电磁转矩中一种信号对齿轮进行故障诊断相比，该方法准确率更高。
-
单位上海新时达电气股份有限公司; 同济大学
