基于Bayesian理論的電機(jī)滾動軸承故障的智能診斷研究.pdf

1、電動汽車與傳統(tǒng)的內(nèi)燃機(jī)車輛本質(zhì)不同，它以車載電源為動力，用電機(jī)驅(qū)動車輛行駛，因此電機(jī)的可靠性決定了電動汽車的性能和工作情況。而電機(jī)故障診斷技術(shù)與電機(jī)的可靠性密不可分，它包含很多新科技內(nèi)容的綜合技術(shù)，其中軸承故障診斷是電機(jī)故障診斷技術(shù)中的重要部分?；驹硎歉鶕?jù)軸承運(yùn)行過程中產(chǎn)生的各種信息，判斷軸承運(yùn)行是屬于正常還是發(fā)生了異常，滾動軸承故障的準(zhǔn)確診斷可以減少或杜絕事故的發(fā)生。本文從以下幾個(gè)方面開展了對滾動軸承故障診斷的研究：
　　

2、 首先，在分析神經(jīng)網(wǎng)絡(luò)、遺傳算法、專家系統(tǒng)等故障診斷方法的基礎(chǔ)上，提出了電機(jī)滾動軸承故障的貝葉斯分類器的設(shè)計(jì)方法。貝葉斯網(wǎng)絡(luò)診斷法與神經(jīng)網(wǎng)絡(luò)方法相比，更簡單，易實(shí)現(xiàn)，容易實(shí)現(xiàn)后期的在線診斷。
　　 其次，對電機(jī)滾動軸承的故障振動信號進(jìn)行分析，用高通濾波的方法從中提取出電機(jī)滾動軸承的特征參數(shù)，包括有量綱特征參數(shù)與無量綱特征參數(shù)，此特征參數(shù)在遵循正態(tài)分布和韋伯分布的基礎(chǔ)上，進(jìn)行了故障的初步判斷，同時(shí)得出了電機(jī)滾動軸承通用的特征參數(shù)。

3、
　　 然后，提出一種識別指標(biāo)(DI)，在此基礎(chǔ)上，選取滾動軸承故障，內(nèi)輪磨損，外輪磨損，內(nèi)輪裂痕，外輪裂痕以及滾動損傷的有效特征參數(shù)作為故障診斷貝葉斯分類器的輸入，各個(gè)故障作為貝葉斯分類器的節(jié)點(diǎn)。將滾動軸承故障診斷的信號數(shù)據(jù)分成兩組，一組作為教師數(shù)據(jù)，確定貝葉斯分類器的結(jié)構(gòu)以及節(jié)點(diǎn)概率表；另外一組作為學(xué)生數(shù)據(jù)，驗(yàn)證該貝葉斯分類器的有效性。
　　 最后，根據(jù)設(shè)計(jì)的貝葉斯分類器分析其分類結(jié)果，結(jié)果表明該分類器能有效地進(jìn)行故