神经网络模式识别.doc

基于PCA改进Elman神经网络方法的齿轮箱故障诊断技术研究 1 绪论 1.1 项目研究的背景 随着现代科学技术的迅速发展，系统设备日益朝着高度自动化的方向发展，但是，同时也造成了系统设备的日益复杂，零件数目也显著的增加，零、部件之间的联系更是愈加紧密．故而，只要是某部分部件发生了故障，就会引起整台设备的失效，更甚者造成巨大的经济损失或者人员伤亡事故，现代化系统设备所花的维修费用与停机损失，所占成本比例越加增大，设备故障或事故引起的损失更是不断的增加，设备维修的重要性成为了一个日益突出的同题．人们对系统设备的可用性、可靠性、可维修性、安全性与经济性提出了愈来愈高的要求；而且现代工业生产中，系统设备比以往更注重效率与能耗，环保的要求也是越来越高．因此，如何在设备运行时或者为拆卸的情况下，依靠或借助动态测试技术和传感器技术及计算机信号处理技术等，及时的掌握设备的运行状态，分析出设备中出现异常的部位与异常的原因，并且能够预测出设备未来的状态发展趋势．这些成为了世界各国的学者亟待解决之问题． 1.2 项目研究的目的及意义 齿轮箱作为机械设备中一种必不可少的连接和传递动力的通用零部件，所以它的运行状态好坏，会直接影响整套设备的工作运行状态．随着设备的不断大型化、复杂化、自动化和连续化，齿轮箱的故障和失效给整个生产和社会造成的损失将越来越大，行驶中的汽