基于小波分析和BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法研究.pdf

1、滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械設(shè)備的重要組成部分,也是機(jī)械設(shè)備的主要故障來源之一,每年都有很多設(shè)備故障是由軸承引起的,造成較大的經(jīng)濟(jì)損失,滾動(dòng)軸承的好壞直接影響到設(shè)備乃至整個(gè)生產(chǎn)過程,因此研究滾動(dòng)軸承的故障監(jiān)測(cè)和診斷技術(shù)具有重要的理論價(jià)值和實(shí)際意義。
　　滾動(dòng)軸承故障監(jiān)測(cè)和診斷通常是以采集到的軸承振動(dòng)信號(hào)為樣本,通過分析采集到的軸承信號(hào),提取信號(hào)的特征作為軸承運(yùn)行狀態(tài)判斷依據(jù),通過計(jì)算和分析來判定軸承的狀態(tài)。一方面采集到的軸承信號(hào)中含有大量的

2、噪聲和非線性沖擊,軸承的特征信息經(jīng)常淹沒在這些噪聲中不易區(qū)分;另一方面選取合適的故障診斷方法也至關(guān)重要。
　　在分析各種故障診斷算法的原理及應(yīng)用的基礎(chǔ)上,以 SKF6205-2RS軸承的實(shí)驗(yàn)測(cè)試數(shù)據(jù)為樣本,采用小波分析和EMD(Empirical Mode Decomposition,經(jīng)驗(yàn)?zāi)B(tài)分解)對(duì)軸承的信號(hào)進(jìn)行去噪,結(jié)果表明小波分析和EMD相結(jié)合的去噪方法能有效的抑制信號(hào)的噪聲,強(qiáng)化信號(hào)的特征。利用小波包分析的高分辨率特征,將

3、去噪后的信號(hào)分解到不同的頻帶內(nèi),提取各頻帶內(nèi)的信號(hào)特征構(gòu)成故障特征向量,結(jié)果表明小波包分析法能有效提取信號(hào)的局部特征,提取的特征向量能有效表征信號(hào)的不同特征。
　　為了能夠有效的識(shí)別和判斷軸承的運(yùn)行狀態(tài),以BP神經(jīng)網(wǎng)絡(luò)作為軸承故障診斷網(wǎng)絡(luò),采用PSO(Particle Swarm Optimization,粒子群優(yōu)化)算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化和改進(jìn),以經(jīng)驗(yàn)公式和試驗(yàn)相結(jié)合的方法來確定網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù),結(jié)果表明 PSO算法能有效