基于时频特征提取与神经网络的齿轮箱故障诊断

齿轮箱是机械设备中非常重要的传动机构,其振动信号中包含齿轮箱运行状态的信息,当齿轮箱发生故障时,其振动信号特性也必然会改变。现以齿轮箱为研究对象,搭建了齿轮箱故障诊断实验台,对常见的五种齿轮箱故障进行了模拟,然后利用时、频域分析方法对所测得的振动信号进行特征提取,建立了拓扑结构为11-10-4的BP神经网络的齿轮箱故障诊断系统,并构建训练样本和测试对BP网络进行训练和测试,诊断结果表明,所构建的网络对齿轮箱的复合故障诊断正确率在97.8%以上。