基于MIV特征篩選和BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷技術(shù)研究.pdf

1、滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中比較常見(jiàn)的而且易損壞的部件,軸承的好壞對(duì)機(jī)器的工作狀況影響很大。它的運(yùn)行狀態(tài)直接影響整臺(tái)機(jī)器的性能,一旦發(fā)生故障就成為引起機(jī)械設(shè)備失效的重要原因,據(jù)統(tǒng)計(jì)旋轉(zhuǎn)機(jī)械的故障有30％是由軸承引起的。因此,對(duì)滾動(dòng)軸承的狀態(tài)監(jiān)測(cè)和故障診斷是機(jī)械設(shè)備故障診斷的重要研究?jī)?nèi)容。在設(shè)備故障診斷中,構(gòu)成故障的特征空間是非常復(fù)雜的非線性關(guān)系,很難建立數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)能夠映射任意復(fù)雜的非線性關(guān)系,具有自學(xué)習(xí)、自組織和自適應(yīng)等特征,被廣泛

2、地應(yīng)用于機(jī)械故障診斷中。本文提出了MIV算法,時(shí)/頻域分析法和BP神經(jīng)網(wǎng)絡(luò)算法對(duì)滾動(dòng)軸承做了故障診斷。主要研究了以下內(nèi)容:
　　 首先,介紹了滾動(dòng)軸承的結(jié)構(gòu)特征以及產(chǎn)生的故障原因,以及人工神經(jīng)網(wǎng)絡(luò)的基本知識(shí),選取BP神經(jīng)網(wǎng)絡(luò)做滾動(dòng)軸承故障診斷的原因。設(shè)計(jì)了滾動(dòng)軸承的信號(hào)采集系統(tǒng),采集并處理了正常軸承、內(nèi)圈故障軸承、外圈故障軸承、滾動(dòng)體故障軸承的振動(dòng)數(shù)據(jù),作為基于BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷實(shí)驗(yàn)仿真的數(shù)據(jù)樣本。
　　 其

3、次,結(jié)合BP神經(jīng)網(wǎng)絡(luò)和MIV算法對(duì)常用的時(shí)域特征參數(shù)和頻域特征參數(shù)做了特征篩選,根據(jù)仿真結(jié)果即MIV值的大小,得到8個(gè)敏感故障特征參量,即他們更能反映故障特征。之后選用時(shí)域、頻域分析法,分別分析這8個(gè)特征參量的對(duì)故障特征的敏感程度,得到方差、均方根值、峰值、裕度因子、總功率譜和以及峭度系數(shù)對(duì)故障最為敏感,并確定為BP神經(jīng)網(wǎng)絡(luò)的輸入。
　　 再次,設(shè)計(jì)了對(duì)滾動(dòng)軸承做故障診斷的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。確定了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù),分析了

4、BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)的設(shè)置對(duì)網(wǎng)絡(luò)性能的影響。主要包括:激活函數(shù)、學(xué)習(xí)算法、數(shù)據(jù)預(yù)處理方法、網(wǎng)絡(luò)初始權(quán)值以及期望誤差的選取,輸入神經(jīng)元、隱層節(jié)點(diǎn)數(shù)、網(wǎng)絡(luò)學(xué)習(xí)率和訓(xùn)練系數(shù)對(duì)網(wǎng)絡(luò)性能的影響情況。
　　 最后,利用前文的實(shí)測(cè)的滾動(dòng)軸承的數(shù)據(jù),以及設(shè)計(jì)好的BP神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng),對(duì)滾動(dòng)軸承做了故障診斷仿真實(shí)驗(yàn)。確定了訓(xùn)練樣本和預(yù)測(cè)樣本,完成了對(duì)軸承的故障診斷和分類(lèi),并求取了分類(lèi)誤差率。仿真研究結(jié)果表明了診斷系統(tǒng)的有效性,驗(yàn)證了BP神經(jīng)