針對(duì)機(jī)械裝備中滾動(dòng)軸承易發(fā)生故障,振動(dòng)信號(hào)具有非線性非穩(wěn)定的特點(diǎn),提出采用多尺度熵(Multiscale Entropy,MSE)和概率神經(jīng)網(wǎng)絡(luò)(Probabilistic Neural Network,PNN)對(duì)不同類型故障和不同故障程度的滾動(dòng)軸承進(jìn)行故障判別的方法。該方法首先對(duì)滾動(dòng)軸承故障信號(hào)進(jìn)行多尺度熵分析,提取故障特征,建立特征向量,然后,選擇概率神經(jīng)網(wǎng)絡(luò)作為多故障分類器,對(duì)提取的故障特征進(jìn)行分類,識(shí)別出滾動(dòng)軸承故障,通過實(shí)驗(yàn)表明:該方法能夠?qū)L動(dòng)軸承各種故障情況進(jìn)行有效的分析和判別。

【文章頁數(shù)】：3 頁

【部分圖文】：

圖2軸承故障信號(hào)多尺度熵分析結(jié)果

人鶘?.3556S33外圈輕微損傷0.1778S44外圈中度損傷0.3556S55滾動(dòng)體輕微損傷0.1778S66滾動(dòng)體中度損傷0.3556S773.2實(shí)驗(yàn)分析對(duì)采集到的七種工況的加速度信號(hào)每類工況選擇59個(gè)樣本，每個(gè)樣本長(zhǎng)度為2048，共計(jì)413個(gè)樣本進(jìn)行分析。七種工況的時(shí)域信....

圖1時(shí)域信號(hào)

深度的共計(jì)七種工況。每種工況的振動(dòng)數(shù)據(jù)通過安裝在實(shí)驗(yàn)裝置表面的加速度傳感器進(jìn)行收集，采樣頻率為12KHz，電機(jī)轉(zhuǎn)速為1730轉(zhuǎn)/分，表1給出了七種工況的詳細(xì)情況說明。表1軸承工況說明狀態(tài)故障尺寸（mm）故障狀態(tài)類別標(biāo)簽正常0S11內(nèi)圈輕微損傷0.1778S22內(nèi)圈中度損傷0.35....

圖3PNN方法預(yù)測(cè)結(jié)果

1（2020）08（上）-0147-03線自動(dòng)檢測(cè)裝置。1設(shè)計(jì)思路因?yàn)閄射線數(shù)字成像檢測(cè)技術(shù)相比，傳統(tǒng)的膠片檢測(cè)技術(shù)具有檢測(cè)速度快、可電子存檔、可遠(yuǎn)程評(píng)判、分辨率高、圖像清晰、曝光劑量小等特點(diǎn)，同時(shí)，不用在被檢工件上貼膠片，可更好地實(shí)現(xiàn)自動(dòng)化，因此，本裝置選擇采用數(shù)字探測(cè)器作為成....

本文編號(hào)：3905582