制造业自动化
製造業自動化
제조업자동화
MANUFACTURING AUTOMATION
2013年
13期
49-51
,共3页
陈曦晖%吴行标%程刚%成钰龙
陳晞暉%吳行標%程剛%成鈺龍
진희휘%오행표%정강%성옥룡
采煤机摇臂%齿轮故障诊断%多尺度均方根值%BP神经网络
採煤機搖臂%齒輪故障診斷%多呎度均方根值%BP神經網絡
채매궤요비%치륜고장진단%다척도균방근치%BP신경망락
采煤机摇臂齿轮箱是采煤机故障高发区,对其进行故障诊断研究可减少事故发生率,提高采煤机可靠性.本文分析了采煤机摇臂工作特点,提出多尺度均方根(Multi Scale Root Mean Square,MSRMS)结合BP (back-Propagation)神经网络的齿轮故障识别方法.对四种不同故障类型的齿轮振动信号进行处理,得到20个尺度的均方根值,并将其作为BP神经网络的输入向量进行齿轮故障识别.实验结果证明所提出的多尺度均方根-BP神经网络方法可以准确区分齿轮故障,对四种不同状态齿轮识别率可达到85%以上,尤其磨损齿轮识别率达到95%,是一种非常有效的齿轮故障识别方法.
採煤機搖臂齒輪箱是採煤機故障高髮區,對其進行故障診斷研究可減少事故髮生率,提高採煤機可靠性.本文分析瞭採煤機搖臂工作特點,提齣多呎度均方根(Multi Scale Root Mean Square,MSRMS)結閤BP (back-Propagation)神經網絡的齒輪故障識彆方法.對四種不同故障類型的齒輪振動信號進行處理,得到20箇呎度的均方根值,併將其作為BP神經網絡的輸入嚮量進行齒輪故障識彆.實驗結果證明所提齣的多呎度均方根-BP神經網絡方法可以準確區分齒輪故障,對四種不同狀態齒輪識彆率可達到85%以上,尤其磨損齒輪識彆率達到95%,是一種非常有效的齒輪故障識彆方法.
채매궤요비치륜상시채매궤고장고발구,대기진행고장진단연구가감소사고발생솔,제고채매궤가고성.본문분석료채매궤요비공작특점,제출다척도균방근(Multi Scale Root Mean Square,MSRMS)결합BP (back-Propagation)신경망락적치륜고장식별방법.대사충불동고장류형적치륜진동신호진행처리,득도20개척도적균방근치,병장기작위BP신경망락적수입향량진행치륜고장식별.실험결과증명소제출적다척도균방근-BP신경망락방법가이준학구분치륜고장,대사충불동상태치륜식별솔가체도85%이상,우기마손치륜식별솔체도95%,시일충비상유효적치륜고장식별방법.