教学工作的资源分享

改进的BP神经网络在风机故障诊断中的应用

招生简章

招生简章

% 21 % 27 % 27 % 23 % E5 % B9 % B4 % 21 % E6 % 9c % 88 % 0a % E7 % AC % AC % 20 % 24 % 25 % E5 % 8d % B7 % 25 % 208 b % 0a % E2 % 9e % E7 % bb % 8f % E7 % BD % 91 % E7 % bb % 9c % E5 % A8 % e9 % a3 % E6 % 9c % ba % E6 % 85 % e9 % 95a % 99 % 208 % BD % e9 % 3d9% E5 % 9b % E5 % B7 % E5 % a4 % a7 % a5 % a6 % E5 % 88 % B6 % e9 % 80 % a7 % a7 % 91 % 20 % 9d % E6 % 88 % 90 % e9 % 83 E5 % 8f % b8 % E8 % AE % be5 % a4 % 87 % E8 % af % 8a % E6 % 96 % ad % E4 % b8 % ad % 25 % 20 % E6 % 91 % 98 % E8 % a6 % 81 % b % 20xg % E7 % a5 % E7 % bb % 8f % E7 % BD % 91 % E7 % bb % 9c % E8 % BF % 9b % 25 % 20 % 20 % E6 % A0 % B9 % E6 % 8d % ae9 % b % 93 % E6 % E4 % b8 % E5 % 8f % 82 % E6 % B0 % 21 % 25eo % 20a % 9c % E8 % af % 8a % E6 % 96 % ad % E7 % 95 % 8c % e9 % a2 % % 84 % 20xg % E7 % 204 % B9 % A0 % e9 % 80 % 9f % E5 % ba6 % a6 % 21 % E6 % 89 % E6 % 95 % E5 % B0 % E6 % 81 % E5 % 88 % B6 % 84 % E6 % 9c % 89 % E6 % 95 % 88 % E6 % 96 % B9 % E6 % B3 % 23 % 0a % E5 % B3 % e9 % 94 % ae8 % af % 8d % 21 % 209 % E8 % 7 % E7 % 8c % ae6 % A0 % 87 % E8 % af % 86 % E7 % A0 % 81 % 21 % E2 % 99bb % E6 % 87 % E7 % ab % A0 % E7 % 25 % 2021 % 3d % 2022 a % 20 % 25 % 0ad % 29.4 % 2ff %5CFI % 3d % 0a % 21 % 201 % E2 % 80 % 99 % 20 m3 %3bklu %3bkl % 3d % 21 % 20h % 20 m3 % 20. w7 qufrj % 21 % 20 % 280 o 7k lve % 20 % 40 % 25 % 207 %2ffi8f % 20 % E4 % b8 % aa % E6 % 95 % e9 % 9a % 9c % E7 % B1 % bb % E5 % 7 % 85 % a7 % E8 % B0 % 83 % E8 % af % 95 % 20 % ba % B3 % E8 % 80 % E5 % be97 % 21 % E4 % BD % E4 % b8 % ba 20 XG % 0a % E7 % ba a % 84 % E8 % be % 93 % E5 % 20 % be % 81 % E5 % BC % E7 % 9a % 84 % E4 % b8 % aa % E6 % B0 % 20 % 23 % E7 % BD % 91 % E7 % bb 4 % aa % 20a % 84 % E7 % 9b % AE % E6 % A0 % 87 % E8 % be % 93 % E5 % ba % E5 % a6 % 82 % E8 % a1 % 0a 21 % E6 % 89 % 80 % 8 % 20 % 3db % E6 % A0 % 87 % E5 % 87 % E8 % AE % ad % E7 % bb % 83 % E6 % A0 % B7 % E6 % 9c % AC % 0a % E6 % E6 % 95 % ee5 % % 21 % 25 % 20 % 25 % 24 % E2 % 80 % 98 % 25 % 20p % 25 % 0a % 3d % E8 % B4 % A8 % e9 % 87 % 87f % E4 % bbf % 20 % 279 % 27 % 27

不发生故障#假设取%/e'9d%#可以从输出结果来看

’出来! 个故障输入模式分别与第一对应! '输出节点

的值=! 因此,故障类型为轴裂纹和转子不

对华故障#

(结论

本研究采用动量法和学习速度适应的XG神经

互联网! 将风扇常见故障作为网络输出! 利用信

频谱中#个频带中不同频率分量的频谱峰值能量值

作为特征量输入! 互联网能很好地记住所学的知识

“绕到下面去! $页$

- N==-机床和液压第$%卷

万方数据

图@B试验结果

=# a$ '? 的四种齿差

式行星齿轮装置!

高速轴上的转速为“”

QaSFK和=! “' QaSFK这个

在两种情况下! 进行了

减速传动和增速传动

振动对比试验! 填充物

设置图像和测量点的位置

如图%所示#试验结果

如果图@及表=所示

(其中振动加速度等级

的数值为图%中的各测量

在点测量的振动加速

度值最大者#

很明显! 考试的结果

与理论分析的结果基本一致#

表=B试验结果

转速a

%Q-SFK C=

%减速

齿轮比%Qa%T -) ) EaVX

=! ''

? %=a?

=# a$%$ a=#

d%=ad

=d%=a=d

'9'd

'9'%

C'9''# @@ C=9! ‘c’9 %

C'9''$=C'9% ‘'9$

'9''' # ' ‘=9'

'9'? d=9' ‘! 9 '

''

? %=a?

=# a$%$ a=#

d%=ad

=d%=a=d

'9'#%

'9'?

C'9''@ ' C=9 ‘C'9#

C'j '! $ C'9% ‘'9#

' j''$ # '9! ‘=9’

'9''$ # '9# ‘=9

注’转速是指高速轴转速$(e为减速传动和增速传动的振动

加速度等级%分贝值之差#

'结束语

理论分析和实验结果表明,’对于设计的对

齿轮传动! 按照规定的传动方式,啮入段和啮出段的长度

速度是一定的! 但是,由于增速传动和减速传动啮合段和啮合

段相反#其他条件相同时! 增速传动和

减速传递中摩擦力的杠杆效果不同!

迎新生的欢迎词

迎新生的欢迎词

不能一概而论! 根据齿轮传动参数

定#齿轮传动的增速和减速振动的相对强弱与传动时齿相同

与面摩擦力杠杆效应指数的相对大小有关! 杠杆效应

设计指数越大振动越强的$齿轮传动时应考虑增速传动

动和减速传动振动的区别! 不能是减速传动的设计标准

直接设计增速传动,相反关于#运行参数和材料

一定的齿轮传动! 用式%#表示其增速运转和

减速运行时振动的相对强弱! 通过适当调整其几何

通过参数%位移修正等,咬入段变短,咬入段变长!

减速传动的振动会比增速传动的振动减弱或相反! 大背头

作用齿轮满足上述要求的传动振动小

新型齿轮传动装置#

参考文献

4=5陈立德! 毛炳秋9机械设计基础* 9北京’高等

教育出版社! '? 9? 9

4! 5毛炳秋! 琳利! 曹张杰9的啮合冲量对齿轮传递振动

影响*k 9水利机电电子技术!=DD=% $’# c

=%9

4$5毛炳秋! 林莉9应用位移齿轮降低传动振动的研究

*k 9机械设计与研究! “$ %! ’$! C$? 9

作者简介! 毛炳秋! 男人!=d%d年生#=d#年硕士课程

毕业! 南京工程学院机械系副教授#主要从事机械设计'

机械振动噪音“' 2a”等相关研究#论文发表! (余

篇#,csif’si; 8i l O; RSIF9T; s! SI; 8i l KYFR97VE9TK#

琳利! 女人!=d@! 年出生的#=d? 年毕业于上海理工大学#南京

工学学院材料系副教授#主要从事机械振动噪声' ' 2等

各方面的研究! 发表论文='馀篇#

收到原稿的日期%

() )、)、)、)、)、)、)、)、)、)

! “@ C”!

教学质量分析

教学质量分析

“我去接你! '第$页

记住我! 仔细诊断常见风扇故障#同时进行了改进

XG网络提高了学习速度! 有效地抑制了网络陷入僵局

房间极小! 缩短了学习时间! 是机器故障诊断的有效方法

用风扇#神经网络测量风扇故障温度! 不再求人诊断了

工作人员有很多排查经验! 只需在系统中输入故障特征

可以按量输出故障类型#,但系统只是单一的故障诊断

准确性很高! 并行故障诊断有限! 在这方面还得改

进#

参考文献

4=5盛兆顺! 印第安纳波利斯9设备状态监测与故障诊断技术及应对措施

* 9在化工出版社! ' ' $9%j

4! 5廖伯瑜9机械故障诊断基础* 9冶金工业出版社!

=dd%j

4$5谢庆生! 尹建! 罗延科9机械工程中神经网络的方法

* 9机械工业出版社! ' ' $9=j

4? 5黄竹青9改进的XG神经网络在汽轮机发动机缸体故障

诊断中的应用*k 9动力工程! '? %? j

4%5张松鹤! 基于罗跃纲9神经网络的旋转机械故障智能

诊断系统*k 9风扇技术! “% %? j

作者简介! 周丽霞! 女人!=d$年出生! 四川大学制造科

工学学院硕士研究生#主要研究方向’机器故障诊断!

神经网络#电话’=$=$! %$ '!' ! C%? #='=@!csif’

_O; E'@? lUFKI9T; S#

收到原稿的日期%!

第一! 期毛炳秋等’的杠杆效应对齿轮加减速传动振动的影响- BBB==-

万方数据

随机看看

NEW ARTICLE

标签

Tag