基于模式識別的機械設(shè)備故障智能診斷方法研究.pdf

1、本文主要研究智能模式識別方法,研究對象為機械設(shè)備軸承和齒輪,研究內(nèi)容包括: 1) 基于小波包的特征值提取.振動信號本身存在多周期成分、調(diào)制的現(xiàn)象,其故障信息在某些頻帶部分表現(xiàn)得會更加突出,傳統(tǒng)的特征值提取方法未能表現(xiàn)各個頻帶對故障信息的敏感情況,小波包(Wavelet Packet)方法是一種將頻帶多層次劃分的更加精細的分析方法,利用其得到不同頻帶的小波包系數(shù),提取小波包系數(shù)的16種時域特征值,以便突出某些頻帶的故障信息.最后選

2、取小波包系數(shù)方差作為特征值. 2) 模式識別.對典型的模式識別方法一聚類法、神經(jīng)網(wǎng)絡(luò)和模糊法,作了具體研究和實現(xiàn).基于小波包系數(shù)方差這一特征值,比較模式分類結(jié)果,驗證了模糊理論的必要性,并確定BP神經(jīng)網(wǎng)絡(luò)和自適應神經(jīng)網(wǎng)絡(luò)(Adaptive NN)為較好的智能模式識別方法. 3) 綜合分析.研究中發(fā)現(xiàn),單一的模式識別方法得到的針對研究對象的分類結(jié)果準確度不高.嘗試將模式識別方法相結(jié)合,作進一步的分析.模糊聚類和BP神經(jīng)網(wǎng)絡(luò)