基于小波分析和神經(jīng)網(wǎng)絡(luò)的動力機械故障診斷研究.pdf

1、隨著現(xiàn)代機械設(shè)備的日趨大型化、復(fù)雜化、自動化和連續(xù)化，設(shè)備一旦發(fā)生故障，給生產(chǎn)和生活以至于人們的生命財產(chǎn)安全造成很大影響。因此，人們總是期望建立一套監(jiān)測、預(yù)警、容錯和維修機制，伴隨系統(tǒng)運行的全壽命周期，防止和杜絕影響系統(tǒng)正常運行故障的發(fā)生和發(fā)展。 小波包分析是在多分辨分析的基礎(chǔ)上提出的一種能夠?qū)㈩l率分辨到任意細節(jié)的信號處理方法，它不僅對低頻信號進一步進行分解，而且對高頻信號也一樣，因此在故障診斷方面得到了廣泛的應(yīng)用。本文中就是利

2、用自主編寫完成的改進的小波包軟閾值消噪方法源程序?qū)Σ杉恼駝有盘栠M行消噪處理，進而提取歸一化后的故障特征向量。 神經(jīng)網(wǎng)絡(luò)因其極強的非線性映射能力，特別適合于復(fù)雜模式識別，所以成為動力機械狀態(tài)識別的有力工具。本文中采用神經(jīng)網(wǎng)絡(luò)中最核心的部分即三層BP神經(jīng)網(wǎng)絡(luò)作為故障分類識別的工具，根據(jù)實驗的要求和需要求解的問題最終確定神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個數(shù)為8個、中間層神經(jīng)元個數(shù)為30個、輸出層神經(jīng)元個數(shù)為5個。 在對云內(nèi)動力股份有限

3、公司生產(chǎn)的4100QB柴油發(fā)動機上進行實驗的基礎(chǔ)上，建立了基于小波分析和神經(jīng)網(wǎng)絡(luò)的自適應(yīng)故障診斷系統(tǒng)。該系統(tǒng)采集了柴油機缸體表面的振動信號，利用小波分析對振動信號消噪處理，有效的剔除了振動信號的噪聲干擾，提取了可以表征柴油機故障的振動信號的特征向量。把提取的發(fā)動機缸體振動信號特征向量作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，最終建立起了神經(jīng)網(wǎng)絡(luò)自適應(yīng)故障診斷系統(tǒng)。通過輸入檢驗樣本對神經(jīng)網(wǎng)絡(luò)自適應(yīng)故障診斷系統(tǒng)進行驗證，結(jié)果表明該系統(tǒng)能有效的對故障進行分類識

4、別，最終實現(xiàn)故障診斷。 實驗中應(yīng)用DASP2005專業(yè)軟件采集了發(fā)動機在正常和非正常工作狀況下的缸體振動信號，利用MATLAB的小波分析源程序?qū)φ駝有盘栠M行消噪處理，提取相應(yīng)特征向量，作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和檢驗樣本。通過BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和識別，最后對相關(guān)工作狀態(tài)進行了分類，對發(fā)動機的相應(yīng)故障做出了判定。這些方法和實驗數(shù)據(jù)為后續(xù)的研究提供了基礎(chǔ)。 實驗和分析結(jié)果表明，小波分析和神經(jīng)網(wǎng)絡(luò)用于動力機械故障診斷是有效的、可行的，