智能優(yōu)化算法在軸承故障特征選取中的比較研究.pdf

1、旋轉(zhuǎn)機(jī)械是設(shè)備狀態(tài)檢測(cè)與故障診斷工作的重點(diǎn)，而旋轉(zhuǎn)機(jī)械的故障有相當(dāng)大比例與滾動(dòng)軸承有關(guān)。因此，及時(shí)發(fā)現(xiàn)并排除軸承故障具有重要意義。為了正確識(shí)別和診斷滾動(dòng)軸承的故障，必須合理地提取故障特征。特征選取就是要從已提取出的特征中選取出對(duì)診斷故障貢獻(xiàn)大的有用信息，一定程度地縮短故障診斷的時(shí)間和提高故障診斷的效果。
　　本課題研究的目的在于提出一種應(yīng)用于軸承故障特征選取的新方法，為軸承故障特征選取提供新的思路。本文在總結(jié)和汲取他人研究成果的基

2、礎(chǔ)上，引入小波包分析技術(shù)和智能優(yōu)化算法，從滾動(dòng)軸承振動(dòng)信號(hào)中獲取故障特征信息，有效地實(shí)現(xiàn)滾動(dòng)軸承的故障診斷。本文的內(nèi)容主要包括以下幾個(gè)方面：
　　首先，綜述軸承故障診斷的意義和現(xiàn)狀，軸承故障診斷的主要環(huán)節(jié)和類(lèi)型。特征選取在軸承故障診斷中的重要意義和發(fā)展?fàn)顩r。
　　其次，特征提取環(huán)節(jié)采用小波分析技術(shù)。傳統(tǒng)的特征提取主要應(yīng)用的是離散小波變換，由于離散小波變換存在只是逐級(jí)分解振動(dòng)信號(hào)低頻部分的缺陷，然而振動(dòng)信號(hào)的高頻部分也包含著豐

3、富的有價(jià)值信息，因此本文中采用小波包變換，同時(shí)分解振動(dòng)信號(hào)的高頻部分和低頻部分，獲取軸承振動(dòng)信號(hào)的全部信息。
　　最后，軸承特征選取過(guò)程主要是結(jié)合智能優(yōu)化算法和神經(jīng)網(wǎng)絡(luò)的算法，其中神經(jīng)網(wǎng)絡(luò)是故障診斷中的重要故障分類(lèi)工具，智能優(yōu)化算法的特點(diǎn)就是全局搜索特性和全局尋優(yōu)功能。本文中主要涉及到目前應(yīng)用較為廣泛的三種智能優(yōu)化算法，遺傳算法、蟻群算法和模擬退火算法。
　　本文中由實(shí)驗(yàn)得到的結(jié)論表明：三種基于智能優(yōu)化算法的特征選取方法較傳