基于共振解調(diào)與人工神經(jīng)網(wǎng)絡(luò)的軸承智能診斷技術(shù)研究.pdf

1、滾動(dòng)軸承作為機(jī)械設(shè)備中最常用的部件之一，對(duì)其進(jìn)行故障監(jiān)測(cè)和診斷是國(guó)內(nèi)外工程技術(shù)領(lǐng)域一直非常關(guān)注的課題。滾動(dòng)軸承是易損件，據(jù)統(tǒng)計(jì)旋轉(zhuǎn)機(jī)械的故障有30％是由滾動(dòng)軸承故障引起的。 本論文完成了一個(gè)滾動(dòng)軸承故障智能診斷設(shè)計(jì)：合理設(shè)計(jì)實(shí)驗(yàn)方案，搭建實(shí)驗(yàn)平臺(tái)；自行編寫信號(hào)采集程序，獲取滾動(dòng)軸承振動(dòng)信號(hào);對(duì)所得信號(hào)進(jìn)行有效的分析處理，并從中識(shí)別出信號(hào)所對(duì)應(yīng)的軸承狀態(tài)，從信號(hào)處理角度完成故障診斷：將神經(jīng)網(wǎng)絡(luò)智能診斷技術(shù)融入其中，選取有效的網(wǎng)絡(luò)輸

2、入特征參數(shù)與合適的網(wǎng)絡(luò)結(jié)構(gòu)，建立網(wǎng)絡(luò)并進(jìn)行訓(xùn)練、識(shí)別，實(shí)現(xiàn)滾動(dòng)軸承的智能診斷；最后利用已有結(jié)論設(shè)計(jì)GUI圖形用戶界面，進(jìn)一步完善智能診斷。 文中主要使用的信號(hào)處理診斷方法是共振解調(diào)技術(shù)。該方法對(duì)故障軸承在運(yùn)行過程中產(chǎn)生的脈沖力所激起的系統(tǒng)固有振動(dòng)加以利用，通過帶通濾波器把某一固有振動(dòng)分離出來，并通過Hilbert變換進(jìn)行包絡(luò)解調(diào)，去除高頻衰減振動(dòng)的頻率成分，得到只包含故障特征信息的低頻包絡(luò)信號(hào)，對(duì)這一包絡(luò)信號(hào)進(jìn)行頻譜分析便可提取

3、滾動(dòng)軸承的故障信息。 智能診斷系統(tǒng)是在共振解調(diào)與神經(jīng)網(wǎng)絡(luò)結(jié)合的基礎(chǔ)上建立起來的。文中選擇三種網(wǎng)絡(luò)(BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)和Elman網(wǎng)絡(luò))分別作為軸承故障模式的分類器，并使用了三組不同的特征參數(shù)(幅域參數(shù)、頻域參數(shù)、共振解調(diào)參數(shù))分別作為網(wǎng)絡(luò)的特征信息，輸入到網(wǎng)絡(luò)當(dāng)中加以比較。經(jīng)過大量實(shí)驗(yàn)分析得出：當(dāng)共振解調(diào)輸入特征與RBF網(wǎng)絡(luò)結(jié)構(gòu)的分類器結(jié)合時(shí)，所建立起的網(wǎng)絡(luò)能夠正確有效地反映滾動(dòng)軸承的各故障特征，并將三種軸承狀態(tài)十分準(zhǔn)確地識(shí)別