針對旋轉(zhuǎn)機械滾動軸承的故障問題,本文提出了一種時域故障診斷方法。首先對滾動軸承的原始振動信號進行3層的小波包分解,并選取前4個小波系數(shù)進行重構(gòu),接著在時域分析上對每1個小波系數(shù)分別提取7個特征值,然后通過BP神經(jīng)網(wǎng)絡(luò)獲得滾動軸承故障分類的結(jié)果。最終實驗表明,該方法有效地解決了滾動軸承存在的故障問題,確保了旋轉(zhuǎn)機械安全、可靠、穩(wěn)定地運行。 

【文章來源】：自動化技術(shù)與應(yīng)用. 2020,39(08)

【文章頁數(shù)】：6 頁

【圖文】：

圖1 時域分析上的故障診斷方法

人工神經(jīng)網(wǎng)絡(luò)可以說是仿生學(xué)的概念，代表的是一種可以表述人腦功能和結(jié)構(gòu)的復(fù)雜數(shù)學(xué)模型。然而，隨著技術(shù)的大力發(fā)展，神經(jīng)網(wǎng)絡(luò)技術(shù)廣泛應(yīng)用于不同領(lǐng)域，特別在大數(shù)據(jù)、自動化、以及故障診斷等方向上[3]。另外在神經(jīng)網(wǎng)絡(luò)中每一個神經(jīng)元的結(jié)構(gòu)組成比較單一，但如果眾多的神經(jīng)元匯集組合起來將成為一個復(fù)雜的神經(jīng)網(wǎng)絡(luò)系統(tǒng)[4]。目前，在眾多神經(jīng)網(wǎng)絡(luò)中，在故障診斷上BP神經(jīng)網(wǎng)絡(luò)是使用頻率最高的神經(jīng)網(wǎng)絡(luò)模型[5]。同時，BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層、輸出層三部分構(gòu)成，如圖3所示，且其可用英文表述為Back Propagation，簡寫為BP。圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2 小波包的分解圖此外，結(jié)合圖3分析可得，[i1,i2,…，ie]為神經(jīng)網(wǎng)絡(luò)的輸入信號，e代表的是時域特征值，且1≤e≤7;[wq1,wq2,…，wqe]為神經(jīng)網(wǎng)絡(luò)每一層之間的連接權(quán)向量；θ代表為一個閾值；f(x)為激活函數(shù)，代表輸出與輸入信號的關(guān)系；[o1,o2,…oe]為神經(jīng)網(wǎng)絡(luò)的輸出信號，可表示為：

【參考文獻】：
期刊論文
[1]基于多傳感器的神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論在故障診斷中的應(yīng)用[J]. 周國憲,伍星,劉韜.  測試技術(shù)學(xué)報. 2017(04)
[2]離心泵轉(zhuǎn)子的故障診斷與修復(fù)[J]. 林水泉,張清華,孫國璽,胡勤,覃愛淞.  廣東石油化工學(xué)院學(xué)報. 2016(04)

碩士論文
[1]基于小波分析和神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D]. 劉杰.貴州大學(xué) 2017
[2]基于神經(jīng)網(wǎng)絡(luò)的機械故障診斷技術(shù)的研究[D]. 高芮.青島科技大學(xué) 2016
[3]基于小波分析的滾動軸承故障診斷方法研究與應(yīng)用[D]. 崔寶珍.中北大學(xué) 2005



本文編號：3502561