基于遺傳神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法的研究.pdf

1、分類號：TP277密級：單位代碼：10433學(xué)號：Y0901007ill東理工大學(xué)碩士學(xué)隹辦文基于遺傳神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法的研究ResearchonRollingBearingFaultDiagnosisMethodBasedonGeicNeuralwk研究生：裴新才指導(dǎo)教師：許同樂教授申請學(xué)位門類級別：工學(xué)碩士學(xué)科專業(yè)名稱：測試計量技術(shù)及儀器研究方向：智能檢測及故障診斷論文完成曰期：2012年4月15日山東理工大學(xué)碩士學(xué)位論

2、文摘要摘要在機械設(shè)備故障中因為滾動軸承受損而發(fā)生故障的概率非常大，滾動軸承的工作狀況將直接影響到整個機械設(shè)備的運轉(zhuǎn)。滾動軸承故障的診斷方法有很多種，隨著科學(xué)技術(shù)的發(fā)展與進步，對滾動軸承檢測的實時性和診斷結(jié)果、維修方案的準確性等提出了新的要求，這對于滾動軸承故障診斷的研究具有非常重要的意義。為了能夠更好的對滾動軸承故障進行診斷，本文分析了當(dāng)前應(yīng)用于滾動軸承故障診斷的主要方法，應(yīng)用當(dāng)前使用較多的小波分析理論，對軸承的振動信號進行閾值降噪，并

3、提出了較為合理的新閾值函數(shù)，對新閾值函數(shù)進行了理論分析，實驗結(jié)果表明，新閾值函數(shù)對含噪信號的降噪效果，比傳統(tǒng)閾值函數(shù)的降噪效果更加優(yōu)越。同時，采用小波包的方法提取軸承故障特征信息，將BP神經(jīng)網(wǎng)絡(luò)智能化診斷引入診斷系統(tǒng)中，以小波包提取的特征信息作為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本和預(yù)測樣本。因BP神經(jīng)網(wǎng)絡(luò)自身存在易于陷入局部極小值和收斂速度慢等缺陷，采用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進行優(yōu)化。優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)可以較好地克服BP網(wǎng)絡(luò)的缺陷，在