基于小波-神經(jīng)網(wǎng)絡(luò)的電機(jī)軸承故障診斷.pdf

1、異步電機(jī)作為重要的機(jī)電產(chǎn)品，廣泛地應(yīng)用于各個(gè)領(lǐng)域。隨著現(xiàn)代科學(xué)技術(shù)的進(jìn)步和生產(chǎn)系統(tǒng)的不斷發(fā)展，電機(jī)在生產(chǎn)中發(fā)揮著越來越重要的作用。電機(jī)故障不僅會(huì)損壞電機(jī)本身，而且會(huì)影響整個(gè)系統(tǒng)的正常工作，甚至危及人身安全，造成巨大的經(jīng)濟(jì)損失和重大的社會(huì)影響，因此對(duì)電機(jī)故障的診斷具有重要意義和工程實(shí)用價(jià)值。 本文以電機(jī)軸承為研究對(duì)象，在軸承正常、內(nèi)環(huán)損傷、滾珠點(diǎn)蝕三種模式下，對(duì)振動(dòng)信號(hào)加以分析，運(yùn)用“小波包-能量”法提取信號(hào)特征量，作為神經(jīng)網(wǎng)絡(luò)的

2、輸入向量，采用Levenberg-Marquardt BP學(xué)習(xí)算法，針對(duì)電機(jī)軸承的三種故障模式對(duì)網(wǎng)絡(luò)進(jìn)行有教師的訓(xùn)練和模式識(shí)別，并對(duì)軸承滾珠點(diǎn)蝕故障的劣化趨勢(shì)進(jìn)行了檢測(cè)。 論文首先簡(jiǎn)述了異步電機(jī)以及軸承故障診斷技術(shù)的特點(diǎn)及發(fā)展現(xiàn)狀。然后，基于電機(jī)軸承的結(jié)構(gòu)、內(nèi)部振動(dòng)源等自身特點(diǎn)，對(duì)電機(jī)軸承的故障成因、特征頻率等作了詳細(xì)分析。通過對(duì)小波分析、神經(jīng)網(wǎng)絡(luò)在電機(jī)軸承故障診斷中的應(yīng)用方法研究的討論，建立了以小波包作為信號(hào)降噪、特征提取手段

3、，以Levenberg-Marquardt BP算法為故障模式或故障狀態(tài)識(shí)別方法的信號(hào)處理與故障診斷系統(tǒng)。在此基礎(chǔ)上，在實(shí)驗(yàn)室的故障診斷實(shí)驗(yàn)臺(tái)上，進(jìn)行了電機(jī)軸承故障診斷的實(shí)驗(yàn)研究。實(shí)驗(yàn)表明：該方法可以有效地把三種故障模式區(qū)分開來，并可以檢測(cè)出電機(jī)軸承點(diǎn)蝕故障的劣化趨勢(shì)?？梢哉J(rèn)為，此方法能夠有效地對(duì)電機(jī)軸承故障進(jìn)行檢測(cè)、診斷。在數(shù)據(jù)分析過程中，充分利用Matlab強(qiáng)大的數(shù)據(jù)處理、數(shù)據(jù)可視化、數(shù)字信號(hào)處理等功能，實(shí)現(xiàn)了數(shù)據(jù)直觀有效的分析與處