基于神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法研究與應(yīng)用.pdf

1、滾動軸承是各種旋轉(zhuǎn)機械中應(yīng)用最廣泛的一種通用機械部件，由于軸承特定的使用環(huán)境造成其壽命的隨機性較大，目前還無法準確預(yù)測其壽命的長短。軸承工作狀態(tài)的好壞關(guān)系到設(shè)備是否正常運行，對生產(chǎn)過程、產(chǎn)品質(zhì)量有直接影響。因此，對各種機械設(shè)備進行診斷一般都要牽涉到對其中的滾動軸承進行監(jiān)測與診斷，軸承故障診斷就顯得非常重要。由于滾動軸承本身在工作時必然伴隨旋轉(zhuǎn)而產(chǎn)生振動，其運行狀況的好壞往往直接反映在振動信號中，另外振動信號測試簡單、直觀，通過測量、分析

2、軸承的振動信號來判斷軸承狀態(tài)、進行故障診斷方便可靠。 近年來研究熱點的人工神經(jīng)網(wǎng)絡(luò)因其特有的優(yōu)勢使得它的應(yīng)用日益廣泛，故障診斷領(lǐng)域已經(jīng)出現(xiàn)了它的身影。人工神經(jīng)網(wǎng)絡(luò)的計算能力有三個顯著特點：一是它的非線性特性；二是并行分布結(jié)構(gòu)；三是它的學(xué)習(xí)和歸納能力。同時，它實現(xiàn)容易，采用大量簡單的神經(jīng)元構(gòu)成神經(jīng)網(wǎng)絡(luò)解決難以直接使用解析式處理的問題。因此，將神經(jīng)網(wǎng)絡(luò)引入軸承故障診斷正好利用其特點，將問題的處理從傳統(tǒng)方法轉(zhuǎn)向人工智能方向。隨著微機技

3、術(shù)突飛猛進的發(fā)展，以通用微機為核心加上適當(dāng)?shù)能浻布?gòu)成的微機系統(tǒng)較傳統(tǒng)的單一昂貴的診斷設(shè)備有更好的靈活性、擴展性，且人工神經(jīng)網(wǎng)絡(luò)的軟件實現(xiàn)也是完全可行的，可以將診斷系統(tǒng)由軟硬件綜合完成，減少開支。 在以機械設(shè)備振動信號為參量的機械運行狀態(tài)監(jiān)測與診斷中，當(dāng)軸承出現(xiàn)故障時，所測取的設(shè)備中機械設(shè)備振動信號不但有軸承故障信號，而且還包含其它機械部件的振動信號和一些隨機振動信號，這些信號對于軸承信號來說都是噪聲。而如何從所測取的振動信號中

4、提取軸承微弱故障信號的特征信息并用來識別軸承的運行狀態(tài)成了一個工程實踐中面臨的重要問題。本文對滾動軸承的振動數(shù)據(jù)分別在時域和頻域進行了分析，分別獲得特征值，將特征值作為神經(jīng)網(wǎng)絡(luò)輸入，由神經(jīng)網(wǎng)絡(luò)處理，獲得預(yù)處理結(jié)果，再在神經(jīng)網(wǎng)絡(luò)處理結(jié)果基礎(chǔ)上，對結(jié)果采用“判決區(qū)間+舉手表決”方式，獲得最終判斷結(jié)果，避開直接對信號進行降噪處理，減小了實現(xiàn)難度。最后，本文對實測的軸承振動數(shù)據(jù)進行結(jié)論驗證，結(jié)果表明，本文提出的以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的軸承故障診斷方法