基于神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機械的故障診斷研究.pdf

1、企業(yè)生產(chǎn)中的機械設(shè)備一旦發(fā)生故障，整個裝置都不能正常運作，因此對設(shè)備進行狀態(tài)監(jiān)測和故障診斷是設(shè)備維護上的一個必不可少的重要環(huán)節(jié)。機械設(shè)備狀態(tài)信號是機械設(shè)備異?；蚬收闲畔⒌妮d體，在機械故障診斷中，可用于監(jiān)測與診斷的信息很多，包括振動、溫度、壓力、聲響和變形等，在眾多信息中，振動信號能夠更迅速、更直接的反應(yīng)機械設(shè)備的運行狀態(tài)。 本研究以風(fēng)機振動信號為研究對象，對其進行分析處理，提取特征值，并應(yīng)用神經(jīng)網(wǎng)絡(luò)進行故障診斷，并采用LabVI

2、EW這一圖形化編程語言設(shè)計系統(tǒng)界面，系統(tǒng)界面包括三大部分：信號采集、信號處理和故障診斷。 首先，根據(jù)工業(yè)風(fēng)機常見故障的典型特征，采用振動傳感器對風(fēng)機振動進行了全面的監(jiān)測，由于采集到的表征診斷對象運行的原始狀態(tài)信號混雜有大量的背景噪聲，為提高診斷的靈敏度和可靠性，必須采用信號處理技術(shù)，在狀態(tài)信號中排除噪聲、干擾的影響，提取有用的故障信息，以突出故障特征。因此，系統(tǒng)先采用小波包分析對原始狀態(tài)信號進行消噪處理。 然后，在進行神

3、經(jīng)網(wǎng)絡(luò)故障診斷之前，還必須對消噪后的信號提取特征值，作為神經(jīng)網(wǎng)絡(luò)的輸入。所謂特征提取，就是對系統(tǒng)的動態(tài)信號預(yù)處理后得到的信息進行分析，提取與系統(tǒng)狀態(tài)有關(guān)的數(shù)據(jù)，再分析這些數(shù)據(jù)，提取其中與系統(tǒng)狀態(tài)相關(guān)性較大的敏感特征。特征提取采用小波包分析重構(gòu)，計算各頻帶子信號的相對能量值。 神經(jīng)網(wǎng)絡(luò)不同于傳統(tǒng)的人工智能領(lǐng)域普遍采用的基于邏輯與符合規(guī)則的處理方法，為人工智能的研究開拓了一個新領(lǐng)域。神經(jīng)網(wǎng)絡(luò)是一種比較理想的識別分類工具。因此本課題采