基于BP神經(jīng)網(wǎng)絡(luò)的機(jī)車(chē)走行部滾動(dòng)軸承的故障診斷研究.pdf

1、機(jī)車(chē)走行部的滾動(dòng)軸承是鐵路機(jī)車(chē)中極其重要并且也容易發(fā)生故障的部件，滾動(dòng)軸承的運(yùn)行狀態(tài)直接會(huì)影響到整臺(tái)機(jī)車(chē)的運(yùn)行狀態(tài)。一旦走行部滾動(dòng)軸承發(fā)生故障，很可能造成生命財(cái)產(chǎn)的損失。因此，進(jìn)行機(jī)車(chē)走行部軸承的狀態(tài)監(jiān)測(cè)及故障診斷并能及時(shí)發(fā)現(xiàn)故障是具有重要的現(xiàn)實(shí)意義。
　　本文通過(guò)采集四種不同狀態(tài)下的DF4型內(nèi)燃機(jī)車(chē)走行部滾動(dòng)軸承的振動(dòng)信號(hào)，提取特征參數(shù)值并對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并用遺傳算法對(duì)參數(shù)尋優(yōu)，最后基于前面的理論研究形成一套機(jī)車(chē)走行部滾動(dòng)軸

2、承的故障診斷工具箱。在采集數(shù)據(jù)方面，本文采用鐵道科學(xué)研究院研制的JL-501/501A機(jī)車(chē)軸承動(dòng)態(tài)檢測(cè)儀，針對(duì)從機(jī)車(chē)走行部上卸載下來(lái)的不同狀態(tài)走行部走行部軸承采集了大量振動(dòng)信號(hào)，涉及的類(lèi)型是正常軸承、外圈故障、保持架故障和滾子故障的軸承。為了提取有效的滾動(dòng)軸承的故障特征，本文對(duì)機(jī)車(chē)走行部軸承振動(dòng)分別進(jìn)行了時(shí)域參數(shù)分析和小波分析。通過(guò)對(duì)比分析，選取峭度指標(biāo)作為時(shí)域特征參數(shù);選取小波包系數(shù)的標(biāo)準(zhǔn)差作為時(shí)頻域的特征參數(shù)。在提取小波包系數(shù)時(shí)，使

3、用了共振解調(diào)的方法對(duì)原始信號(hào)進(jìn)行了降噪處理。由于BP神經(jīng)網(wǎng)絡(luò)在故障診斷方面具有一定的優(yōu)勢(shì)，本文采用BP神經(jīng)網(wǎng)絡(luò)。在選用神經(jīng)網(wǎng)絡(luò)的輸入時(shí)，分別對(duì)比了由峭度系數(shù)值與小波包系數(shù)標(biāo)準(zhǔn)差不同組合作為輸入的診斷效果，最終確定只用小波包分解系數(shù)的標(biāo)準(zhǔn)差作為神經(jīng)網(wǎng)絡(luò)的輸入。為了進(jìn)一步提高診斷率，本文選用了遺傳算法對(duì)影響神經(jīng)網(wǎng)絡(luò)診斷準(zhǔn)確率的DB小波基函數(shù)、小波包分解層數(shù)以及神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)進(jìn)行了優(yōu)化選取。使用優(yōu)化后的參數(shù)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了對(duì)機(jī)