基于非平穩(wěn)分析和神經(jīng)網(wǎng)絡的旋轉(zhuǎn)機械故障診斷方法研究.pdf

1、為滿足現(xiàn)代旋轉(zhuǎn)機械非平穩(wěn)信號處理的需求，提高對復雜信號故障診斷的準確率，同時也能得到直觀的故障診斷結(jié)果，提出將非平穩(wěn)信號分析和神經(jīng)網(wǎng)絡相結(jié)合應用于故障診斷。主要包括三種非平穩(wěn)分析方法：短時傅里葉變換，Wigner分布和小波變換。針對非平穩(wěn)分析結(jié)果的特點，本文提出了一種有效的特征提取方法，即對非平穩(wěn)信號分析后的同一頻率（或尺度）、不同時間上的數(shù)據(jù)，做數(shù)學處理，從而把非平穩(wěn)分析的結(jié)果由三維圖形轉(zhuǎn)化為二維譜，然后再選取特征頻率（或尺度）上的數(shù)

2、據(jù)作為特征值。通過試驗確定了特征提取方案，試驗結(jié)果表明，短時傅里葉變換適合采用方差方案，Wigner分布適合采用最大值方案，而小波變換可以采用平方和方案來尋找特征尺度。最終成功提取出若干能最大限度反映故障特征的特征值，作為神經(jīng)網(wǎng)絡的輸入。
　　 采用MATLAB開發(fā)了一個面向?qū)ο蟮?、通用的BP神經(jīng)網(wǎng)絡軟件。軟件主要有三個創(chuàng)新之處：可自動讀取樣本；訓練好的網(wǎng)絡可保存和移動；軟件通用化。
　　 采用實驗室故障模擬試驗的數(shù)據(jù)對

3、基于非平穩(wěn)分析和神經(jīng)網(wǎng)絡的故障診斷方法的診斷效果作了研究，并與傳統(tǒng)的頻譜分析與神經(jīng)網(wǎng)絡結(jié)合后的診斷效果作對比。結(jié)果表明，這三種非平穩(wěn)的分析方法與神經(jīng)網(wǎng)絡結(jié)合后的診斷效果都優(yōu)于頻譜分析，尤其短時傅里葉變換和小波變換與神經(jīng)網(wǎng)絡結(jié)合后的診斷準確率是比較理想的，可以滿足現(xiàn)代旋轉(zhuǎn)機械故障診斷的需求，具有較好的應用前景。另外，診斷的結(jié)果不再是一個復雜的三維圖譜，而是直觀的神經(jīng)網(wǎng)絡的輸出，使得利用非平穩(wěn)分析方法進行故障診斷的方式從對復雜的圖譜的判斷上