【摘要】：滾動軸承是旋轉(zhuǎn)機械中比較常見的而且易損壞的部件,軸承的好壞對機器的工作狀況影響很大。它的運行狀態(tài)直接影響整臺機器的性能,一旦發(fā)生故障就成為引起機械設(shè)備失效的重要原因,據(jù)統(tǒng)計旋轉(zhuǎn)機械的故障有30%是由軸承引起的。因此,對滾動軸承的狀態(tài)監(jiān)測和故障診斷是機械設(shè)備故障診斷的重要研究內(nèi)容。在設(shè)備故障診斷中,構(gòu)成故障的特征空間是非常復(fù)雜的非線性關(guān)系,很難建立數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)能夠映射任意復(fù)雜的非線性關(guān)系,具有自學(xué)習(xí)、自組織和自適應(yīng)等特征,被廣泛地應(yīng)用于機械故障診斷中。本文提出了MIV算法,時/頻域分析法和BP神經(jīng)網(wǎng)絡(luò)算法對滾動軸承做了故障診斷。主要研究了以下內(nèi)容： 首先,介紹了滾動軸承的結(jié)構(gòu)特征以及產(chǎn)生的故障原因,以及人工神經(jīng)網(wǎng)絡(luò)的基本知識,選取BP神經(jīng)網(wǎng)絡(luò)做滾動軸承故障診斷的原因。設(shè)計了滾動軸承的信號采集系統(tǒng),采集并處理了正常軸承、內(nèi)圈故障軸承、外圈故障軸承、滾動體故障軸承的振動數(shù)據(jù),作為基于BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷實驗仿真的數(shù)據(jù)樣本。 其次,結(jié)合BP神經(jīng)網(wǎng)絡(luò)和MIV算法對常用的時域特征參數(shù)和頻域特征參數(shù)做了特征篩選,根據(jù)仿真結(jié)果即MIV值的大小,得到8個敏感故障特征參量,即他們更能反映故障特征。之后選用時域、頻域分析法,分別分析這8個特征參量的對故障特征的敏感程度,得到方差、均方根值、峰值、裕度因子、總功率譜和以及峭度系數(shù)對故障最為敏感,并確定為BP神經(jīng)網(wǎng)絡(luò)的輸入。 再次,設(shè)計了對滾動軸承做故障診斷的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。確定了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù),分析了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)的設(shè)置對網(wǎng)絡(luò)性能的影響。主要包括：激活函數(shù)、學(xué)習(xí)算法、數(shù)據(jù)預(yù)處理方法、網(wǎng)絡(luò)初始權(quán)值以及期望誤差的選取,輸入神經(jīng)元、隱層節(jié)點數(shù)、網(wǎng)絡(luò)學(xué)習(xí)率和訓(xùn)練系數(shù)對網(wǎng)絡(luò)性能的影響情況。 最后,利用前文的實測的滾動軸承的數(shù)據(jù),以及設(shè)計好的BP神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng),對滾動軸承做了故障診斷仿真實驗。確定了訓(xùn)練樣本和預(yù)測樣本,完成了對軸承的故障診斷和分類,并求取了分類誤差率。仿真研究結(jié)果表明了診斷系統(tǒng)的有效性,驗證了BP神經(jīng)網(wǎng)絡(luò)對滾動軸承做故障診斷的可行性,診斷效果良好。
文內(nèi)圖片：
圖片說明：傳感器
[Abstract]:The rolling bearing is a common and easy-to-damage component in the rotating machinery, and the quality of the bearing has a great influence on the working condition of the machine. The operation state of the machine directly affects the performance of the whole machine, and once a failure has become an important cause of the failure of the mechanical equipment, according to the statistics,30% of the fault of the rotating machine is caused by the bearing. Therefore, the state monitoring and fault diagnosis of rolling bearing is an important research content of the fault diagnosis of mechanical equipment. In the fault diagnosis of equipment, the characteristic space that constitutes the fault is a very complex non-linear relationship, and it is difficult to establish a mathematical model. The artificial neural network can map any complex non-linear relationship, and has the characteristics of self-learning, self-organization and self-adaptation, and is widely used in the mechanical fault diagnosis. In this paper, an MIV algorithm, a time/ frequency domain analysis method and a BP neural network algorithm are proposed for fault diagnosis of rolling bearing. The following contents are mainly studied: Firstly, the structural characteristics of rolling bearing, the cause of the failure and the basic knowledge of the artificial neural network are introduced, and the original BP neural network is selected as the original of the fault diagnosis of rolling bearing. The signal acquisition system of the rolling bearing is designed, and the vibration data of the normal bearing, the inner ring fault bearing, the outer ring fault bearing and the rolling body fault bearing are collected and processed, as the data sample of the rolling bearing fault diagnosis experiment simulation based on the BP neural network. Secondly, combining with the BP neural network and the MIV algorithm, the time-domain characteristic parameters and the frequency-domain characteristic parameters are screened, and 8 sensitive fault characteristic parameters are obtained according to the simulation result, namely, the magnitude of the MIV value, that is, they can be more reflected. and then selecting a time domain and a frequency domain analysis method to analyze the sensitivity degree of the eight characteristic parameters to the fault characteristic respectively, obtaining the variance, the mean square root value, the peak value, the margin factor, the total power spectrum and the kurtosis coefficient to be most sensitive to the fault, and determining the BP neural network Input. Again, the BP neural network for fault diagnosis of the rolling bearing is designed. The structure of the network is determined. The structure parameters of the BP neural network are determined, and the structure parameters of the BP neural network are analyzed. It mainly includes: activation function, learning algorithm, data pre-processing method, network initial weight and expected error selection, input neuron, hidden layer node number, network learning rate and training coefficient to network performance and finally, using the measured data of the rolling bearing and the designed BP neural network fault diagnosis system, the rolling bearing is The simulation experiment of the obstacle diagnosis is carried out. The training samples and the prediction samples are determined, the fault diagnosis and classification of the bearing are completed, The classification error rate is obtained. The simulation results show the effectiveness of the diagnostic system, and verify the feasibility of the BP neural network for the fault diagnosis of the rolling bearing.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TH133.33;TH165.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[J];硅谷;2011年17期

2 佟錚;張友鵬;;基于BP神經(jīng)網(wǎng)絡(luò)的機車輪對故障診斷系統(tǒng)研究[J];鐵路技術(shù)創(chuàng)新;2009年01期

3 劉丹;;基于一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的飛機目標(biāo)識別[J];中國高新技術(shù)企業(yè);2011年16期

4 黃蓮花;李光明;;神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合在車用傳感器中的應(yīng)用[J];裝備制造技術(shù);2011年08期

5 景利學(xué);蘇宏升;謝明軍;冉鵬程;;電壓型BUCK變換器控制策略研究[J];電氣傳動自動化;2011年04期

6 姜平;黃志鵬;;基于神經(jīng)網(wǎng)絡(luò)的公交客流預(yù)測[J];交通標(biāo)準(zhǔn)化;2008年13期

7 尹駿暉;李伶;杜青;;基于神經(jīng)網(wǎng)絡(luò)和柔度曲率的簡支梁損傷識別[J];山西建筑;2011年21期

8 孫海龍;馮超;匙瑞堂;;滾動軸承狀態(tài)監(jiān)測[J];工業(yè)設(shè)計;2011年05期

9 楊鶴年;;機電一體化系統(tǒng)中的智能控制技術(shù)[J];煤炭技術(shù);2011年07期

10 許杰;程錦房;何光進(jìn);;一種基于艦船磁場的神經(jīng)網(wǎng)絡(luò)識別模型[J];船電技術(shù);2011年09期

相關(guān)會議論文 前10條

1 田艷兵;;BP算法和PSO算法在神經(jīng)網(wǎng)絡(luò)中的研究[A];第二十九屆中國控制會議論文集[C];2010年

2 陳作炳;艾春庭;夏雪峰;;BP神經(jīng)網(wǎng)絡(luò)仿真軟件[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

3 簡季;楊武年;馬正龍;陳園園;;BP神經(jīng)網(wǎng)絡(luò)在土地分類中的應(yīng)用研究——以汶川地區(qū)為例[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

4 趙鑫;吳侃;敖建鋒;周大偉;;基于BP神經(jīng)網(wǎng)絡(luò)的點云去噪與空洞修補集成算法研究[A];2011全國礦山測量新技術(shù)學(xué)術(shù)會議論文集[C];2011年

5 王偉珍;劉春紅;張漫;李民贊;劉剛;;基于BP神經(jīng)網(wǎng)絡(luò)的溫室番茄光合作用速率預(yù)測模型研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

6 孫伶俐;何緒飛;鄧忠民;;基于BP神經(jīng)網(wǎng)絡(luò)的飛行器結(jié)構(gòu)損傷量化分析[A];北京力學(xué)會第十六屆學(xué)術(shù)年會論文集[C];2010年

7 張德欣;張海祥;陳友良;;基于BP神經(jīng)網(wǎng)絡(luò)的電子戰(zhàn)系統(tǒng)干擾能力評估[A];全國第三屆信號和智能信息處理與應(yīng)用學(xué)術(shù)交流會�？痆C];2009年

8 薛志強;李毅;曹燕;;改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

9 王碩;;BP神經(jīng)網(wǎng)絡(luò)在高速公路交通量預(yù)測中的應(yīng)用[A];武漢(南方九省)電工理論學(xué)會第22屆學(xué)術(shù)年會、河南省電工技術(shù)學(xué)會年會論文集[C];2010年

10 單承贛;張哲;孫德輝;鐘磊;;一種DC系數(shù)中的神經(jīng)網(wǎng)絡(luò)數(shù)字圖像盲水印算法[A];計算機技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

相關(guān)重要報紙文章 前10條

1 記者 郁紅;中科院BP將共建清潔能源商業(yè)化中心[N];中國化工報;2008年

2 記者 崔茉;BP任命陳黎明為BP中國總裁[N];中國石油報;2009年

3 龔月;中石油BP聯(lián)手競得伊拉克油田[N];中國企業(yè)報;2009年

4 本報記者 蘇稻香;中石油聯(lián)合BP簽署開發(fā)伊拉克最大油田初步協(xié)議[N];南方日報;2009年

5 記者 王宙潔　編輯 朱賢佳;BP拖垮美股大盤 大行預(yù)計中國公司將接盤[N];上海證券報;2010年

6 記者 石政;中國石油與BP聯(lián)合中標(biāo)伊拉克魯邁拉油田項目[N];中國石油報;2009年

7 記者 崔茉;珠海BP：一廠達(dá)三標(biāo)[N];中國石油報;2010年

8 記者 郁紅;BP與阿納達(dá)科石油達(dá)成和解[N];中國化工報;2011年

9 記者 陳青　通訊員 孫國根;揭示神經(jīng)網(wǎng)絡(luò)形成新機制[N];文匯報;2011年

10 博士 許身健;從BP漏油事故看企業(yè)的環(huán)保責(zé)任[N];檢察日報;2010年

相關(guān)博士學(xué)位論文 前10條

1 李英偉;基于增量改進(jìn)BP神經(jīng)網(wǎng)絡(luò)微波深度干燥模型及應(yīng)用研究[D];昆明理工大學(xué);2011年

2 劉志祥;深部開采高階段尾砂充填體力學(xué)與非線性優(yōu)化設(shè)計[D];中南大學(xué);2005年

3 戴雪龍;PET探測器神經(jīng)網(wǎng)絡(luò)定位方法研究[D];中國科學(xué)技術(shù)大學(xué);2006年

4 馬戎;智能控制技術(shù)在煉鋼電弧爐中的應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

5 文敦偉;面向多智能體和神經(jīng)網(wǎng)絡(luò)的智能控制研究[D];中南大學(xué);2001年

6 吳大宏;基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)研究[D];西南交通大學(xué);2003年

7 杜文斌;基于神經(jīng)網(wǎng)絡(luò)的冠心病證候診斷標(biāo)準(zhǔn)與藥效評價模型研究[D];遼寧中醫(yī)學(xué)院;2004年

8 熊雪梅;參數(shù)化模糊遺傳神經(jīng)網(wǎng)絡(luò)及在植物病害預(yù)測的應(yīng)用[D];南京農(nóng)業(yè)大學(xué);2004年

9 李智;電站鍋爐燃燒系統(tǒng)優(yōu)化運行與應(yīng)用研究[D];東北大學(xué);2005年

10 王承;基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D];電子科技大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 于碩;基于小波和BP神經(jīng)網(wǎng)絡(luò)的手寫體數(shù)字識別方法[D];吉林大學(xué);2010年

2 于勝;BP神經(jīng)網(wǎng)絡(luò)股票分析模型系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2010年

3 鐘聲;基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)的土壩滲流場反演研究[D];西安理工大學(xué);2010年

4 閆甜;基于BP神經(jīng)網(wǎng)絡(luò)的中國股市預(yù)測[D];華南理工大學(xué);2011年

5 李繼萍;基于BP神經(jīng)網(wǎng)絡(luò)的載體樁質(zhì)量預(yù)測研究[D];河北工程大學(xué);2010年

6 王義勇;基于BP神經(jīng)網(wǎng)絡(luò)的教師績效評價模型算法研究與應(yīng)用[D];南昌大學(xué);2010年

7 帥亮;神經(jīng)網(wǎng)絡(luò)在SAR圖像中識別海冰的應(yīng)用[D];大連海事大學(xué);2005年

8 王秀芝;物流外包的風(fēng)險分析與研究[D];西安建筑科技大學(xué);2008年

9 張小波;基于BP神經(jīng)網(wǎng)絡(luò)的城鎮(zhèn)土地估價信息系統(tǒng)研究[D];昆明理工大學(xué);2009年

10 陰輝;神經(jīng)網(wǎng)絡(luò)原理及其在有源電力濾波器中的應(yīng)用[D];煙臺大學(xué);2008年

，

本文編號：2511760