小波模糊神經(jīng)網(wǎng)絡(luò)在軸承故障診斷中的研究與應(yīng)用.pdf

1、汽輪發(fā)電機(jī)組的振動(dòng)過(guò)大將直接威脅著機(jī)組的安全運(yùn)行，長(zhǎng)時(shí)間的振動(dòng)還會(huì)造成地基及周?chē)ㄖ锏膿p壞；振動(dòng)所產(chǎn)生的噪聲對(duì)操作人員的生理及精神狀況也十分有害。而軸承的故障則會(huì)加速汽輪發(fā)電機(jī)組的振動(dòng)，因此對(duì)氣輪發(fā)電機(jī)組的軸承進(jìn)行故障診斷是必要的。 小波變換具有多分辨率特性和時(shí)頻局部化特性，特別適合于對(duì)非平穩(wěn)信號(hào)的分析；而模糊LMBP神經(jīng)網(wǎng)絡(luò)不僅具有神經(jīng)網(wǎng)絡(luò)極強(qiáng)的非線(xiàn)性映射能力，還具有模糊邏輯刻畫(huà)分類(lèi)邊界模糊性的優(yōu)勢(shì)。 本論文首先使用

2、小波分析對(duì)故障信號(hào)進(jìn)行特征提取，然后把提取的特征向量作為模糊神經(jīng)網(wǎng)絡(luò)的輸入--形成所謂的小波模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷。本論文利用MATLAB進(jìn)行仿真，借助由模擬汽輪機(jī)振動(dòng)的振動(dòng)試驗(yàn)臺(tái)上所得的軸承故障數(shù)據(jù)，使用提出的小波模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷，從而證明了該故障診斷系統(tǒng)可以極大地提高診斷系統(tǒng)的適應(yīng)能力。本研究主要分成以下兩個(gè)部分： 1.軸承故障信號(hào)的特征提取采用小波分析對(duì)故障信號(hào)進(jìn)行特征提取。主要利用小波變換的多分辨率特性和時(shí)頻局部化

3、特性，對(duì)原始故障信號(hào)進(jìn)行小波分解，選取分解后每層最能代表原始故障信號(hào)細(xì)貌的高頻系數(shù)的第一個(gè)數(shù)組成特征向量，作為神經(jīng)網(wǎng)絡(luò)的輸入。 2.軸承故障信號(hào)的模式識(shí)別其故障模式識(shí)別主要采用了以下幾種方法： ①采用LMBP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障模式識(shí)別。通過(guò)與Elman神經(jīng)網(wǎng)絡(luò)、使用梯度下降法的典型BP神經(jīng)網(wǎng)絡(luò)的實(shí)例比較，E1man網(wǎng)絡(luò)的識(shí)別誤差比LMBP神經(jīng)網(wǎng)絡(luò)大：而使用梯度下降法的典型BP神經(jīng)網(wǎng)絡(luò)所使用的訓(xùn)練時(shí)間較長(zhǎng)，不利于診斷的實(shí)時(shí)性

4、要求。 ②采用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行故障模式識(shí)別。通過(guò)實(shí)例證明：該設(shè)計(jì)方法雖然在一定程度上能滿(mǎn)足故障信號(hào)的診斷，也滿(mǎn)足故障診斷實(shí)時(shí)性要求，但是也存在著不精確性。 ③采用了小波模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別。該識(shí)別方法具有一定的有效性，并且該方法一定程度上滿(mǎn)足故障診斷的實(shí)時(shí)性要求。通過(guò)以上的故障診斷方法仿真比較，采用小波模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，并采用兩類(lèi)故障模式進(jìn)行驗(yàn)證，其診斷結(jié)果表明與實(shí)際的故障模式相符，從而證明了該故障診斷技術(shù)適