基于振動分析的機床狀態(tài)識別與人機效能評估方法研究.pdf

1、設備的振動信號涵蓋了大量關于設備的信息，而且采集方便，分析方法較多，在故障診斷與狀態(tài)監(jiān)測領域以被廣泛應用，但利用振動信號判斷設備的工作狀態(tài)、統(tǒng)計每種工作狀態(tài)的時間，進而利用統(tǒng)計的時間做一些人機相關評估的研究比較少。因此本文嘗試著研究此類問題。文中用三種不同分析方法對一臺普通機床進行狀態(tài)識別，并統(tǒng)計每種工作狀態(tài)的時間，利用統(tǒng)計的時間做一些對工人及設備的評價。應用的方法有：
　　(1)基于BP神經(jīng)網(wǎng)絡實現(xiàn)機床狀態(tài)分類
　　通過尋

2、找每種工作狀態(tài)的時域以及頻域特征作為網(wǎng)絡的輸入，根據(jù)特征個數(shù)以及輸出的種類，確定BP神經(jīng)網(wǎng)絡的結構。分別用了信號的時域特征、頻域特征、以及頻域與時域特征組合在一起的三種數(shù)據(jù)作為網(wǎng)絡輸入，擬合出三個網(wǎng)絡，對數(shù)據(jù)進行分類，統(tǒng)計每種工作狀態(tài)時間長短。試驗結果表明混合特征作為特征統(tǒng)計時間的成功率最高。
　　(2)基于人耳聽覺模型(ZCPA)進行機床狀態(tài)分類
　　將改進聽覺模型ZCPA模型用于機械振動信號征提取中，根據(jù)振動信號的特點對

3、模型做了相應的調(diào)整，采用S函數(shù)模擬耳蝸內(nèi)毛細胞，使用Gammatone濾波器組對耳蝸基底膜進行建模，將頻率箱按照頻率范圍等比遞增的方式在頻率軸上進行分布。分析結果表明:利用ZCPA模型對五種工作狀態(tài)進行特征提取，能夠準確區(qū)分不同工作狀態(tài)。通過計算輸出值與標準值之間的相關性，統(tǒng)計出每種工作狀態(tài)的時間。
　　(3)基于三次包絡處理后進行機床狀態(tài)分類
　　工作狀態(tài)發(fā)生變化時，信號幅值變化較大。通過對信號做半波整流及三次包絡，建立相