集成智能故障診斷策略及其應(yīng)用研究.pdf

1、以滾動軸承和車輛故障診斷儀器系統(tǒng)為研究背景,提出了幾種集成智能故障診斷策略和從高頻共振信號中提取故障特征的實(shí)用方法,并充分利用這些方法對滾動軸承和車輛的多種故障診斷進(jìn)行了實(shí)驗(yàn)研究,證明了這些診斷方法的有效性.第一章簡述了選題意義,概述了故障診斷技術(shù)的發(fā)展、關(guān)鍵性問題及應(yīng)用前景,綜述了近年來國內(nèi)外故障檢測與診斷技術(shù)中故障特征提取方法與智能診斷技術(shù)的研究進(jìn)展、存在問題及發(fā)展趨勢.最后概述了論文的主要研究內(nèi)容.第二章詳細(xì)論述了能量分離算法,以

2、軸承故障診斷為例,從軸承的振動機(jī)理出發(fā),建立了軸承振動信號的調(diào)頻調(diào)幅模型,論證了能量分離算法用于高頻共振信號包絡(luò)分析的可行性,提出了用能量算子實(shí)現(xiàn)高頻振動解調(diào)的實(shí)用方法,提高了滾動軸承故障診斷精度,滿足了軸承生產(chǎn)線對質(zhì)量監(jiān)控的實(shí)時性和準(zhǔn)確率要求.第三章提出了一種自適應(yīng)小波變換網(wǎng)絡(luò)與自組織特征映射網(wǎng)絡(luò)(Self-Organizing Feature Map Network-SOMN)集成的故障自動分類模型,該模型把小波的時頻局部化優(yōu)點(diǎn)與神

3、經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、非線性映射能力有機(jī)結(jié)合起來,把高維測量空間中的非平穩(wěn)信號復(fù)雜信息映射到易于分類的二維空間,實(shí)現(xiàn)了軸承故障自動分類.第四章以滾動軸承故障診斷為例,提出了時頻域分析與模糊RBF神經(jīng)網(wǎng)絡(luò)集成診斷策略.通過時頻域分析提取了有代表性的特征參數(shù),構(gòu)建了特征空間向量,既降低了網(wǎng)絡(luò)的輸入維數(shù),提高了網(wǎng)絡(luò)的學(xué)習(xí)效率,又保留了故障分類信息.實(shí)驗(yàn)測試結(jié)果表明,該方法能滿足實(shí)時診斷要求,對軸承故障定位是有效的,為軸承故障實(shí)時智能化診斷提供了參考

4、.第五章分析了模糊推理診斷、規(guī)則推理診斷、基于實(shí)例的推理診斷以及模糊推理和規(guī)則推理相結(jié)合的故障診斷方法.這四種方法在處理多癥狀多原因的故障診斷問題上都存在缺陷.因此該章提出了以模糊神經(jīng)網(wǎng)絡(luò)代替模糊推理并與規(guī)則推理相結(jié)合的先進(jìn)診斷策略,解決了因模糊合成算法的粗糙性使診斷成功率下降或診斷錯誤的問題,并給出了一個車輛故障診斷實(shí)例,驗(yàn)證了上述方法的正確性和有效性.在附錄F1中,簡要介紹了研制的新型軸承故障診斷儀器系統(tǒng).該系統(tǒng)除集成了現(xiàn)有軸承振動