基于改進小波神經網絡的滾動軸承故障診斷.pdf

1、滾動軸承是機械設備中重要的零件，也是最容易損壞的元件之一。當滾動軸承發(fā)生故障時很容易使機械設備產生異常的噪聲和振動，進而損壞設備。為及早發(fā)現設備故障防止生產線停工、避免重大事故，開展對滾動軸承的故障診斷具有很現實的意義。本文主要研究小波神經網絡在滾動軸承故障診斷中的應用。論文主要做了以下三個方面的研究工作:
　　 1.論述了軸承故障產生的機理和常用故障特征參數的分析和提取方法。對于滾動軸承系統(tǒng)的非線性和表面振動信號的非平穩(wěn)特性，

2、引入了小波分析方法并針對小波分析中容易產生頻率混淆的情況提出了改進的小波包快速算法。改進的小波分析對于頻率混淆現象有良好表現，克服了傳統(tǒng)小波包快速算法中高低頻重迭難以分辨的問題并利用小波頻帶分析技術，對故障信號中含有的噪聲信號進行分離。
　　 2.結合小波和神經網絡的優(yōu)勢給出了改進小波神經網絡的結構模型，研究了小波神經網絡的學習算法，針對傳統(tǒng)BP算法收斂速度慢和容易陷入局部極小值等問題，從學習率和連接權值兩個方面對算法進行改進。