基于神經(jīng)網(wǎng)絡(luò)模型的振動篩損傷檢測研究.pdf

1、隨著機械制造技術(shù)的提高和現(xiàn)代工業(yè)發(fā)展的需求，機械設(shè)備的結(jié)構(gòu)愈來愈復雜，生產(chǎn)的高效率依賴機械設(shè)備提供的強大生產(chǎn)能力，設(shè)備的任何故障都會給生產(chǎn)帶來巨大的損失。因此，在生產(chǎn)中對設(shè)備進行故障診斷是非常有意義的。故障診斷技術(shù)能夠在監(jiān)測設(shè)備運行狀態(tài)的基礎(chǔ)上，分析和診斷出機械設(shè)備的故障狀態(tài)以及故障發(fā)展的程度。
　　 目前以時域和頻域分析為主的方法研究具有強非線性特性系統(tǒng)的故障診斷不是很好。本文利用系統(tǒng)辨識建立振動篩縮小模型系統(tǒng)的模型，通過分析

2、辨識模型的特性，對直線振動篩進行故障診斷和裂紋發(fā)展趨勢研究。
　　 為了從采集到的信號中提取出特征信息，首先對實驗測得的振動信號做預處理分析，將數(shù)據(jù)進行歸一化，然后用小波消噪方法對信號消噪、采用最小二乘法消除信號的趨勢項，最后去除信號的直流分量。
　　 研究振動篩縮小模型下橫梁存在裂紋時系統(tǒng)的辨識方法。分別運用線性模型、非線性模型、神經(jīng)網(wǎng)絡(luò)模型對振動篩系統(tǒng)進行建模，通過分析模型和實際系統(tǒng)的擬合度，得出神經(jīng)網(wǎng)絡(luò)模型的精度較

3、高。進一步通過判斷不同神經(jīng)網(wǎng)絡(luò)辨識模型的擬合度、檢測殘差等，選擇神經(jīng)網(wǎng)絡(luò)NNARX模型。最后確定了該模型的各個參數(shù)(包括網(wǎng)絡(luò)層數(shù)、隱層神經(jīng)元個數(shù)、激活函數(shù)等)以及各參數(shù)對辨識精度的影響。
　　 在振動篩縮小模型下橫梁有無裂紋時，分別辨識出系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型，通過分析振動篩在不同狀態(tài)下實測振動信號的幅值譜、辨識模型的虛擬響應(yīng)譜、模型的權(quán)值，得出分析辨識模型的特性可以作為判斷振動篩是否有裂紋的依據(jù)。
　　 最后，將分析模型特