DC 欄位 |
值 |
語言 |
DC.contributor | 機械工程學系 | zh_TW |
DC.creator | 劉晏宏 | zh_TW |
DC.creator | Yan-Hong Liu | en_US |
dc.date.accessioned | 2002-7-29T07:39:07Z | |
dc.date.available | 2002-7-29T07:39:07Z | |
dc.date.issued | 2002 | |
dc.identifier.uri | http://ir.lib.ncu.edu.tw:88/thesis/view_etd.asp?URN=89323002 | |
dc.contributor.department | 機械工程學系 | zh_TW |
DC.description | 國立中央大學 | zh_TW |
DC.description | National Central University | en_US |
dc.description.abstract | 摘 要
本論文是以旋轉機械暨元件為探討對象,其主要原因在於機械設備中以旋轉機械佔多數,往往是所有機械設備裡的關鍵,另一方面由於旋轉機械運轉速度比其他運動形式的機械為快,故障發生時引發的損害與危險更加巨大。
研究中先行設計組裝以旋轉機械元件為主的實驗平台,組成元件包括作為動力源的伺服馬達,之後連接有聯結器、轉子、V型皮帶輪組、齒輪減速機和滾子鏈條組等傳動元件以及提供負載的磁粉煞車。
針對實驗平台中V型皮帶因老化而產生裂痕、滾子鏈條經長時間運轉造成長度伸長及轉子不平衡等三種元件異常狀態的診斷;利用振動、噪音量測擷取平台上的動態信號,透過信號分析工具提取各元件異常之主要特徵向量;最後應用倒傳遞類神經網路與自我組織映射圖類神經網路作為型態識別的工具,以有效的判別出此機械設備的故障與損壞元件。
實驗結果在轉子不平衡與皮帶具裂痕缺陷的診斷有較高的辨識率,於滾子鏈條的診斷成功率較其他兩元件狀態差,推論是由於鏈條伸長量不足所造成,鏈條的使用界線,一般以伸長率1.5% ~ 2%為限[19],兩鏈條只有0.03%長度的差距,在特徵頻率中出現的振幅變化不明顯,故判斷失敗率容易提升。 | zh_TW |
DC.subject | 類神經網路 | zh_TW |
DC.subject | 狀態監測 | zh_TW |
DC.subject | artificial neural networks | en_US |
DC.subject | condition monitoring | en_US |
DC.title | 旋轉機械狀態監測-以傳動系統測試平台為例 | zh_TW |
dc.language.iso | zh-TW | zh-TW |
DC.type | 博碩士論文 | zh_TW |
DC.type | thesis | en_US |
DC.publisher | National Central University | en_US |