基于集成軟競(jìng)爭(zhēng)Yu范數(shù)ART的滾動(dòng)軸承故障診斷方法.pdf

1、滾動(dòng)軸承是機(jī)械系統(tǒng)中常用的重要部件，其運(yùn)行狀態(tài)直接影響整個(gè)系統(tǒng)的性能，一旦發(fā)生故障或者失效，將引發(fā)設(shè)備產(chǎn)生災(zāi)難性后果。因此，對(duì)軸承故障進(jìn)行診斷具有重要意義。本文以滾動(dòng)軸承為對(duì)象，在總結(jié)和吸取前人研究成果的基礎(chǔ)上，提出將集成學(xué)習(xí)與軟競(jìng)爭(zhēng)Yu范數(shù)ART神經(jīng)網(wǎng)絡(luò)相結(jié)合實(shí)現(xiàn)滾動(dòng)軸承的故障診斷。
　　本研究主要內(nèi)容包括：⑴針對(duì)Yu范數(shù)ART自身硬競(jìng)爭(zhēng)機(jī)制缺陷造成的故障類邊界處的數(shù)據(jù)樣本易被誤分，從而導(dǎo)致分類精度降低，提出一種基于軟競(jìng)爭(zhēng)Yu范

2、數(shù)ART的滾動(dòng)軸承故障診斷方法。將基于FCL的軟競(jìng)爭(zhēng)方法，引入基于Yu范數(shù)的ART模型的競(jìng)爭(zhēng)機(jī)制中，通過模式節(jié)點(diǎn)與輸入樣本間隸屬度的大小，對(duì)競(jìng)爭(zhēng)層多個(gè)節(jié)點(diǎn)進(jìn)行訓(xùn)練和學(xué)習(xí)，并依此對(duì)故障樣本進(jìn)行分類。并通過對(duì)軸承故障試驗(yàn)數(shù)據(jù)的診斷分析，結(jié)果表明該方法不僅能有效識(shí)別不同類型的故障，還能識(shí)別不同嚴(yán)重程度故障，且診斷精度優(yōu)于硬競(jìng)爭(zhēng)ART模型和模糊C均值聚類模型。⑵單一模型在訓(xùn)練樣本較少時(shí)診斷效果并不理想，且對(duì)不同故障信號(hào)的診斷具有很大的不穩(wěn)定性，

3、因此本文引入集成學(xué)習(xí)方法，進(jìn)一步提升軟競(jìng)爭(zhēng)Yu范數(shù)ART的故障診斷性能。從故障信號(hào)中提取多組特征參數(shù)，優(yōu)化選取后分別輸入到模型進(jìn)行診斷分析，并將所有結(jié)果進(jìn)行集成，得到最終診斷結(jié)果。通過對(duì)軸承故障試驗(yàn)數(shù)據(jù)的診斷分析，表明該方法在較少訓(xùn)練樣本下診斷精度明顯優(yōu)于單個(gè)模型，并通過bootstrap方法驗(yàn)證了該模型具有較強(qiáng)的魯棒性。⑶通過滾動(dòng)軸承故障振動(dòng)試驗(yàn)，將故障數(shù)據(jù)作為故障診斷模型的輸入，通過單個(gè)模型與集成模型診斷結(jié)果的對(duì)比，證明本文提出的基