基于小波神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障診斷研究.pdf

1、異步電動(dòng)機(jī)作為動(dòng)力源，在工業(yè)生產(chǎn)中廣泛應(yīng)用，其運(yùn)行狀態(tài)，直接影響到整個(gè)系統(tǒng)的工作性能。而滾動(dòng)軸承是其重要的零部件之一，由于加工工藝、工作環(huán)境等原因造成的損壞率高、壽命的隨機(jī)性大。電動(dòng)機(jī)故障種類繁多，但由于滾動(dòng)軸承的故障引起的大約占其三分之一，所以掌握滾動(dòng)軸承的工作狀態(tài)以及故障的形成和發(fā)展，是目前電機(jī)故障診斷領(lǐng)域中的重要研究課題之一。
　　振動(dòng)分析是滾動(dòng)軸承狀態(tài)監(jiān)測(cè)與故障診斷的重要手段，軸承的振動(dòng)信號(hào)中包含著豐富的工作狀態(tài)信息，利用

2、振動(dòng)信號(hào)診斷軸承故障是一種有效的方法。從軸承振動(dòng)信號(hào)中提取故障特征以及根據(jù)提取的特征量對(duì)故障類型做出正確判斷是故障診斷的兩個(gè)關(guān)鍵。本文綜合應(yīng)用小波分析、Hilbert包絡(luò)分析、BP神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)、RFB神經(jīng)網(wǎng)絡(luò)等理論，對(duì)軸承振動(dòng)信號(hào)中的故障特征信息的提取、軸承工作狀態(tài)的識(shí)別診斷等兩個(gè)關(guān)鍵問(wèn)題進(jìn)行了系統(tǒng)的研究，為進(jìn)一步提高軸承故障診斷水平提供了理論支持。主要研究?jī)?nèi)容及結(jié)論如下：
　?。?）研究軸承故障的機(jī)理，分析了軸承

3、故障的時(shí)域特征和頻域特征，為軸承振動(dòng)信號(hào)的特征提取和診斷提供了依據(jù)。
　　（2）研究了小波分析理論在軸承振動(dòng)信號(hào)特征提取中的應(yīng)用。對(duì)軸承不同狀態(tài)下的振動(dòng)信號(hào)做了包絡(luò)分析和小波包能量譜的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：小波包能量譜可以作為表征軸承不同工作狀態(tài)的特征參數(shù)，而Hilbert包絡(luò)分析在故障初期可以表征，在故障深化后不能作為特征提取的方法。
　　（3）考慮到軸承振動(dòng)信號(hào)的時(shí)域特征參數(shù)，本文研究了用小波包能量譜、小波包能量譜結(jié)合信號(hào)

4、時(shí)域特征來(lái)構(gòu)建軸承振動(dòng)信號(hào)特征向量的方法。
　　（4）研究了用BP神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)對(duì)軸承故障識(shí)別的方法。利用兩種基于小波分析構(gòu)建特征量的方法（小波包能量譜和小波能量譜結(jié)合時(shí)域特征）分別對(duì)軸承正常工況、內(nèi)圈故障、滾動(dòng)體故障、外圈故障4類工況構(gòu)建特征向量。利用BP網(wǎng)絡(luò)、Elman網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)進(jìn)行診斷分類。診斷結(jié)果表明：基于兩種小波分析構(gòu)建特征向量的方法，均可以用于軸承振動(dòng)信號(hào)特征向量的構(gòu)建。用小波能量譜