基于混合推理和神经网络的齿轮箱故障智能诊断方法

摘要

一种基于混合推理和神经网络的齿轮箱故障智能诊断方法，主要包括以下步骤：智能诊断系统知识库的充实；将专家知识存入计算机，并结合神经网络进行模式识别；分析齿轮箱的主要异常现象，系统地研究齿轮的振动、噪声产生的机理；分析齿轮振动的数学模型，充分利用现场故障数据，分析各种故障类型的振动机理；充实各种故障的时域及频域特征，并确定齿轮故障信号的特征提取方法；数据分析方法主要包括：带通滤波频谱分析、双关分析、包络解调分析、基于EMD的解调分析。本发明克服了传统的串行信息处理在模式识别和人工智能等领域所存在的问题，使该模式识别网络完全由计算机实现，便于实现故障诊断的自动化和智能化，能够为诊断决策及时提供依据。

主权项

1、基于混合推理和神经网络的齿轮箱故障智能诊断方法，通过充实和完善现有智能诊断知识库，添加解调分析形成的诊断规则；并把各种数据分析方法提取的特征作为神经网络的输入来进行故障模式的识别，将已有的案例和规则这两种推理方法再结合神经网络应用到高速线材轧机的故障智能诊断系统中；其特征在于：该方法通过充实知识库，补充推理机制，建立仿真神经网络模块，建立一个实用的智能诊断系统；主要包括以下步骤：智能诊断系统知识库的充实；将专家知识存入计算机，并结合神经网络进行模式识别；分析齿轮箱的主要异常现象，系统地研究齿轮的振动、噪声产生的机理；分析齿轮振动的数学模型，充分利用现场故障数据，分析各种故障类型的振动机理；充实各种故障的时域及频域特征，并确定齿轮故障信号的特征提取方法；所述的数据分析方法主要包括：带通滤波频谱分析、双关分析、包络解调分析、基于EMD的解调分析。