小波神經(jīng)網(wǎng)絡技術在齒輪箱軸承故障診斷中的應用.pdf

1、滾動軸承是旋轉機械中應用最為廣泛的機械零件，也是最易損壞的元件之一。旋轉機械的許多故障都與滾動軸承有關，軸承工作性能的好壞直接影響到與之相關聯(lián)的軸及安裝在轉軸上的齒輪乃至整臺機器設備的性能。其缺陷通常使設備產(chǎn)生異常的振動和噪聲，發(fā)展成故障就將造成設備損壞，甚至發(fā)生災難性事故。因此，開展對滾動軸承的故障診斷具有很現(xiàn)實的意義。 近年來，機械設備故障診斷技術在國內(nèi)外得到了較大的發(fā)展，在國民生產(chǎn)中起到了重要作用。本文在總結和汲取他人研究

2、成果的基礎上，引入小波神經(jīng)網(wǎng)絡方法，有效地實現(xiàn)了齒輪箱滾動軸承故障診斷，主要研究內(nèi)容如下： 本文以齒輪箱滾動軸承為研究對象，基于齒輪箱滾動軸承的結構，振動機理等特點，對齒輪箱滾動軸承的故障成因，特征頻率等作了詳細的分析。通過對小波分析和神經(jīng)網(wǎng)絡在齒輪箱滾動軸承故障診斷中應用方法的研究，建立了以小波包為信號降噪和特征提取手段，以RBF神經(jīng)網(wǎng)絡為故障模式識別的信號處理與故障診斷系統(tǒng)。 在此基礎上，在齒輪箱滾動軸承正常和外圈損

3、傷兩種模式下，對滾動軸承振動信號進行了小波包降噪研究；運用“小波包—能量”法提取信號特征，作為神經(jīng)網(wǎng)絡的輸入向量，采用RBF神經(jīng)網(wǎng)絡學習算法，針對齒輪箱滾動軸承正常和外圈損傷兩種模式對網(wǎng)絡進行了訓練和模式識別，并對模式識別的正確率進行了分析。 通過仿真和實驗研究表明：小波包分析對齒輪箱滾動軸承微弱故障信號進行降噪后，能明顯地提高信號的信噪比。把小波分析與RBF神經(jīng)網(wǎng)絡結合起來，對齒輪箱滾動軸承進行故障診斷，能夠準確識別出齒輪箱滾