基于小波變換與PNN神經(jīng)網(wǎng)絡(luò)相結(jié)合的滾動軸承故障診斷.pdf

1、滾動軸承是應(yīng)用最廣泛的機械部件之一，也是最容易受到損壞的零件之一。隨著現(xiàn)代工業(yè)和科學(xué)技術(shù)的發(fā)展進步，滾動軸承正朝著高速化、大型化發(fā)展。滾動軸承出現(xiàn)故障時，會使設(shè)備降低或失去功能，甚至導(dǎo)致整個設(shè)備無法正常工作，造成巨大的經(jīng)濟損失，嚴重時還會引起災(zāi)難性的事故。針對滾動軸承普遍存在壽命離散性大、故障占有比例高、故障種類繁多等問題，本文對實際工況中滾動軸承振動信號進行采集、監(jiān)測、分析和處理以識別數(shù)據(jù)的故障特征，運用適當?shù)臄?shù)據(jù)分析方法和神經(jīng)網(wǎng)絡(luò)對

2、軸承數(shù)據(jù)進行診斷，具有良好的經(jīng)濟效益和科學(xué)意義。
　　本文以實驗測取的滾動軸承振動信號為數(shù)據(jù)，在軸承振動特性、故障機理、故障信號特點的基礎(chǔ)上，運用小波分析對振動信號進行處理。首先運用小波降噪對數(shù)據(jù)進行降噪處理，提高數(shù)據(jù)的信噪比，接著對已處理數(shù)據(jù)進行小波包分解得到各個小波包頻帶系數(shù)，并進行歸一化處理，實現(xiàn)滾動軸承內(nèi)圈、外圈以及滾動體故障振動信號的特征向量提取。以提取的特征向量為訓(xùn)練和驗證樣本，輸入概率神經(jīng)網(wǎng)絡(luò)，達到滾動軸承故障狀態(tài)識