(3.236.222.124) 您好!臺灣時間:2021/05/11 08:53
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:楊宗樺
研究生(外文):Zong-Hua Yang
論文名稱:神經網路於傘齒輪裝配診斷之應用
論文名稱(外文):Application of Neural Network in the Assembly Diagnosis of Bevel Gear
指導教授:張信良張信良引用關係
學位類別:碩士
校院名稱:國立虎尾科技大學
系所名稱:機械與機電工程研究所
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2013
畢業學年度:101
語文別:中文
論文頁數:73
中文關鍵詞:齒輪故障快速傅立葉功率譜經驗模態分解法小波分析倒傳遞類神經網路機率神經網路HyperMeshLS-DYNA
外文關鍵詞:Gear faultFFTPower spectrumEMDWaveletBPNPNNHyperMeshLS-DYNA
相關次數:
  • 被引用被引用:0
  • 點閱點閱:180
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
齒輪故障的種類相當多,本研究主要利用一套基本的診斷模式雛型,應用於傘齒輪裝配情況的診斷,首先利用HyperMesh做傘齒輪的網格切割和LS-DYNA做數據分析,再利用快速傅立葉、功率譜、經驗模態分解法和小波分析進行訊號處理,接著提取故障特徵參數,最後結合倒傳遞類神經網路和機率神經網路。本研究分為模擬和實例驗證兩部分,第一部分故障類型由虛擬訊號產生,測試此診斷系統之可行性,首先判斷訊號為正常或異常,如果屬於異常訊號則判斷訊號為單一故障或複合故障並且判斷各類故障類型,在單一故障類型中以傘齒輪嚙合時X軸裝配診斷或Y軸裝配診斷進行故障診斷。第二部分為實例驗證,以實例配合此診斷系統進行故障診斷,測試此診斷系統之準確性。診斷後發現結果有不一致的情況則進行投票機制,針對不同訊號處理判斷的故障類型進行多數決,以判斷故障種類。

Due to the variable types of gear faults, the main purpose of this study is to establish a model prototype of diagnostic system applied in the analysis of the setting of bevel gear pair. Firstly, HyperMesh is applied to the mesh of bevel gear. Then, FFT (Fast Fourier Transform), power spectrum, EMD (Empirical Mode Decomposition), and wavelet analysis are used for signal processing obtained from Ls-Dyna. Then the fault characteristic parameters are extracted and regularized. BPN (Back-propagation Network) and PNN (Probabilistic Neural Network) are then applied to develope the diagnosis system. This study consists of simulations and examples validation. The first part of the fault types are generated by the virtual signal generated by Ls-Dyna for the feasibility test of this diagnostic system. Assembly type of bevel gear meshing errors along the X-axis or Y-axis are diagnosticated. The second part is the cases of the verification. The verifications can be used to prove the diagnosis and increase the accuracy of this diagnostic system. If the diagnosis results are inconsistent, the different signal processing are voted to determine the fault type.

摘要.............i
ABSTRACT.............ii
誌謝.............iii
目錄.............iV
表目錄.............vii
圖目錄.............x
第一章 緒 論.............1
1.1 研究動機與目的.............1
1.2 文獻回顧............. 1
1.3 研究方法............. 2
1.4 論文架構............. 3
第二章 訊號處理.............5
2.1 頻譜分析............. 5
2.1.1 快速傅立葉(Fast Fourier Transform, FFT).............5
2.1.2 功率譜(Power Spectrum).............6
2.2 經驗模態分解法(EMPIRICAL MODE DECOMPOSITION, EMD).......9
2.3 小波分析(WAVELET ANALYSIS).............14
2.3.1連續小波轉換(Continuous Wavelet Transform, CWT)........14
2.3.2多辨率分析和小波包分析[30]............. 15
第三章 類神經網路.............18
3.1類神經網路(ARTIFICAIL NEURAL NETWORK, ANN ).............18
3.2倒傳遞網路(BACK-PROPAGATION NETWORK, BPN)............. 19
3.2.1倒傳遞類神經網路架構.............20
3.2.2 倒傳遞類神經網路演算法.............21
3.2.3 倒傳遞類神經網路重要參數.............21
3.3機率神經網路(PROBABILISTIC NEURAL NETWORK, PNN)..........22
3.3.1 貝氏分類器(Bayes Classifier).............23
3.3.2機率神經網路架構.............24
3.3.3機率神經網路演算法.............25
第四章 模擬傘齒輪裝配訊號之類神經網路.............27
4.1齒輪振動頻率.............27
4.2齒輪故障類型與特徵參數.............29
4.3螺旋傘齒輪裝配誤差診斷.............31
4.3.1 X軸安裝偏差判斷.............33
4.3.2 Y軸安裝偏差判斷.............35
4.3.3 傘齒輪模數的判斷.............37
4.3.4 傘齒輪壓力角判斷.............39
4.4結果與討論.............41
第五章 實例驗證.............42
5.1 實驗架構.............42
5.2驗證範例1............. 43
5.2.1 利用FFT配合ANN進行診斷.............43
5.2.2 利用Power Spectrum配合ANN進行診斷.............45
5.2.3 利用EMD配合ANN進行診斷.............46
5.2.4 利用Wavelet配合ANN進行診斷.............48
5.2.5結果與討論.............50
5.3驗證範例2............. 50
5.3.1利用FFT配合ANN進行診斷.............51
5.3.2利用Power Spectrum配合ANN進行診斷.............52
5.3.3利用EMD配合ANN進行診斷.............54
5.3.4利用Wavelet配合ANN進行診斷.............56
5.3.5結果與討論.............57
5.4 LS-DYNA理論模擬與實驗驗證(I).............58
5.4.1利用FFT配合ANN進行X軸裝配偏差診斷.............58
5.4.2利用Power Spectrum配合ANN進行X軸裝配偏差診斷.............58
5.4.3利用EMD配合ANN進行X軸裝配偏差診斷.............59
5.4.4利用Wavelet配合ANN進行X軸裝配偏差診斷.............59
5.5 LS-DYNA理論模擬與實驗驗證(II).............60
5.5.1利用FFT配合ANN進行Y軸裝配偏差診斷.............60
5.5.2利用Power Spectrum配合ANN進行Y軸裝配偏差診斷.............61
5.5.3利用EMD配合ANN進行Y軸裝配偏差診斷.............61
5.5.4利用Wavelet配合ANN進行Y軸裝配偏差診斷.............62
第六章 結論與未來展望............. 63
6.1 結論.............63
6.2 未來展望.............64
參考文獻.............65
EXTENDED ABSTRACT.............68
作者簡歷.............73

[1]Welch, P. D. “The Use of Fast Fourier Transform for the Estimation of Power Spectra :A Method Based on Time Averaging Over Short, Modified Periodograms.” IEEE Trans. Audio Electroacoust. Vol. AU-15 , pp. 70-73, 1970.
[2]Wu, T. Y., Chung, Y. L. and Hong, H. C., “Looseness Fault Identification of Rotating Machinery through Analyzing Power Spectral Density Distribution of Vibration Signals,” The 32nd National Conference on Theoretical and Applied Mechanics,2008.
[3]Huang, N. E., Shen, Z., Long, S. R., Wu, M. C., Shih, H. H., Zheng, Q., Yen, N. C., Tung, C.C., and Liu, H. H., “The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis”, Proc. Soc. Lond. A, Vol. 454, pp. 903-995, 1998.
[4]Liu, B., Riemenschneider, S., Xu, Y., “Gearbox Fault Diagnosis using Empirical Mode Decomposition and Hilbert spectrum”, Mechanical Systems and Signal Processing, Vol. 20, pp. 718-734, 2006.
[5]Morlet, J., Arens, G., Fourgeau, I., and Giard, D., “Wave Propagation and Sampling Theory”, Geophysics, Vol. 47, pp. 203-236, 1982.
[6]Zheng, H., Li, Z., and Chen, X., “Gear Fault Diagonsis Based On Continuous Wavelet Transform”, Mechanical Systems and Signal Processing, Vol. 16, pp. 447-457, 2002.
[7]戴宏明,「齒輪故障信號檢測」,碩士論文,國立虎尾科技大學機械與機械工程研究所,2011。
[8]Spect, D. F., “A General Regression Neural Network,” IEEE Transaction on Neural Network, pp. 568-576, 1991.
[9]姬東朝、宋筆鋒、易華輝,2009,“基于機率神經網路的設備故障診斷 及仿真分析”,火力與指揮控制月刊,34卷,1期,2009。
[10]劉云等編著,數位信號處理,新文京開發出版股份有限公司,台北,2005。
[11]姜萬錄、張淑清、王益群,基于混沌和小波的故障信息診斷,國防工業出版社,北京,2005。
[12]張斐章、張麗秋,類神經網路,東華書局,台北,2005。
[13]葉怡成,應用類神經網路,儒林圖書有限公司,台北,2004。
[14]陳長征等編著,設備振動分析與故障診斷技術,科學出版社,北京,2007。
[15]陳冠妤,「螺旋傘齒輪裝配公差之研究」,碩士論文,國立虎尾科技大學機械與機械工程研究所,2012。
[16]吳信融,「齒輪對狀態監測與分析」,碩士論文,國立虎尾科技大學機械與機械工程研究所,2010。
[17]丁康,李巍華,朱小勇,齒輪及齒輪箱故障診斷實用技術,機械工業出版社,北京,2005。
[18]羅華強,類神經網路-MATLAB的應用,高立圖書有限公司,台北,2005。
[19]羅華強,訊號處理-MATLAB的應用,全華圖書股份有限公司,台北,2008。
[20]張智傑,「齒輪故障診斷之模糊類神經網路」,碩士論文,中原大學機械工程學系,2005。
[21]黃國豪,「應用希爾伯特黃轉換(HHT)之邊際譜分析於旋轉機械的元件鬆脫故障診斷」,碩士論文,國立中央大學光機電工程研究所,2009。
[22]許創欽,「發展以離散小波轉換與適應性類神經模糊推論之齒輪故障之診斷系統」,碩士論文,國立彰化師範大學車輛科技研究所,2008。
[23]楊智宇,「希爾伯特-黃變換(Hilbert-Huang Transform)結合主成份分析與類神經網路在齒輪故障程度之診斷」,碩士論文,國立中央大學機械工程學系,2011。
[24]高珍、馬金山、熊曉燕,「齒輪故障診斷的小波分析方法」,機械管理發展月刊,第八十三卷第二期,1~2頁,2005。
[25]于德介、程軍聖、楊宇,機械故障診斷的Hilbert-Huang變換方法,科學出版社,北京,2006。
[26]何田等,「局部均值分解在齒輪故障診斷中的應用研究」,振動與衝擊月刊,第三十卷第六期,196~201頁,2011。
[27]王福杰、潘宏俠,「MATLAB中幾種功率譜估計函數的比較分析與選擇」,計算機科學與技術月刊,第二十七卷第六期,28~31頁,2009。
[28]李曉虎、賈民平、許飛云,「頻譜分析法在齒輪箱故障診斷中的應用」,振動、測試與診斷月刊,第二十三卷第三期,168~170頁,2003。
[29]于德介、程軍聖,「EMD方法在齒輪故障診斷中的應用」,湖南大學學報,第二十九卷第六期,48~51頁,2002。
[30]許景榮,「神經網路於齒輪故障診斷之應用」,碩士論文,國立虎尾科技大學機械與機械工程研究所,2012。


QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔