随着科学技术的不断进步,机械设备向着高性能、高效率、高自动化和高可靠性的方向发展。齿轮箱由于具有传动比固定、传动转矩大、结构紧凑等优点,是用于改变转速和传递动力的最常用的传动部件,是机械设备的一个重要组成部分,也是故障易于发生的一个部件,其运行状态对整机的工作性能有很大的影响。 因此,齿轮的故障诊断技术研究得到了广泛的关注和重视,科技人员开展了大量的研究工作。传统的信号时域、频域分析方法为齿轮箱故障诊断已经打下了坚实的基础,解决了很多的实际问题。但是为了进一步提高故障诊断的准确性和快速性,随着各种新技术的产生,针对齿轮的故障诊断技术也有了新的发展,例如小波变换、神经网络、专家系统等。 本文正是力求利用传统的信号分析方法的基础上,将小波分析、神经网络和专家系统部分融入齿轮故障诊断之中,形成一个更加完善的趋于智能化的基于神经网络的齿轮故障诊断专家系统。本文分析了齿轮典型故障的故障机理及其振动特征,阐述了齿轮振动信号分析与故障诊断的方法,比较了各种方法的特点。针对齿轮的典型故障特征,采用了时域分析与频谱分析相结合的诊断方法,基于Windows平台,利用面向对象的Visual C++,开发了基于神经网络的齿轮故障诊断专家系统。 通过采集实际故障齿轮信号,对系统所采用的方法进行了功能验证。实验结果表明,利用时域振动信号分析技术并辅以传统的频谱分析方法,通过神经网络对齿轮箱进行故障诊断,效果良好。提高了设备诊断、维修的效率,降低了设备的维修成本,且有很好的应用前景。