小波模糊神經(jīng)網(wǎng)絡在軸承故障診斷中的研究與應用.pdf

1、汽輪發(fā)電機組的振動過大將直接威脅著機組的安全運行，長時間的振動還會造成地基及周圍建筑物的損壞；振動所產(chǎn)生的噪聲對操作人員的生理及精神狀況也十分有害。而軸承的故障則會加速汽輪發(fā)電機組的振動，因此對氣輪發(fā)電機組的軸承進行故障診斷是必要的。 小波變換具有多分辨率特性和時頻局部化特性，特別適合于對非平穩(wěn)信號的分析；而模糊LMBP神經(jīng)網(wǎng)絡不僅具有神經(jīng)網(wǎng)絡極強的非線性映射能力，還具有模糊邏輯刻畫分類邊界模糊性的優(yōu)勢。 本論文首先使用

2、小波分析對故障信號進行特征提取，然后把提取的特征向量作為模糊神經(jīng)網(wǎng)絡的輸入--形成所謂的小波模糊神經(jīng)網(wǎng)絡進行故障診斷。本論文利用MATLAB進行仿真，借助由模擬汽輪機振動的振動試驗臺上所得的軸承故障數(shù)據(jù)，使用提出的小波模糊神經(jīng)網(wǎng)絡進行診斷，從而證明了該故障診斷系統(tǒng)可以極大地提高診斷系統(tǒng)的適應能力。本研究主要分成以下兩個部分： 1.軸承故障信號的特征提取采用小波分析對故障信號進行特征提取。主要利用小波變換的多分辨率特性和時頻局部化

3、特性，對原始故障信號進行小波分解，選取分解后每層最能代表原始故障信號細貌的高頻系數(shù)的第一個數(shù)組成特征向量，作為神經(jīng)網(wǎng)絡的輸入。 2.軸承故障信號的模式識別其故障模式識別主要采用了以下幾種方法： ①采用LMBP神經(jīng)網(wǎng)絡進行故障模式識別。通過與Elman神經(jīng)網(wǎng)絡、使用梯度下降法的典型BP神經(jīng)網(wǎng)絡的實例比較，E1man網(wǎng)絡的識別誤差比LMBP神經(jīng)網(wǎng)絡大：而使用梯度下降法的典型BP神經(jīng)網(wǎng)絡所使用的訓練時間較長，不利于診斷的實時性

4、要求。 ②采用小波神經(jīng)網(wǎng)絡進行故障模式識別。通過實例證明：該設計方法雖然在一定程度上能滿足故障信號的診斷，也滿足故障診斷實時性要求，但是也存在著不精確性。 ③采用了小波模糊神經(jīng)網(wǎng)絡進行模式識別。該識別方法具有一定的有效性，并且該方法一定程度上滿足故障診斷的實時性要求。通過以上的故障診斷方法仿真比較，采用小波模糊神經(jīng)網(wǎng)絡進行故障診斷，并采用兩類故障模式進行驗證，其診斷結(jié)果表明與實際的故障模式相符，從而證明了該故障診斷技術適