基于小波包變換和優(yōu)化Elman神經(jīng)網(wǎng)絡的滾動軸承故障診斷方法研究.pdf

1、滾動軸承在日常生活、工業(yè)生產(chǎn)以及國防建設等各個領域中應用極其廣泛，對其故障診斷方法的研究優(yōu)化具有一定的工程實踐價值。滾動軸承單一的故障診斷方法諸如時域或頻域分析有著診斷精度低、不易實現(xiàn)智能診斷、只適合作粗略的診斷等缺陷，為彌補這些缺陷，本文設計了一種將小波包變換算法和經(jīng)布谷鳥搜索算法優(yōu)化的Elman神經(jīng)網(wǎng)絡（簡稱CS-Elman）相結合的智能診斷方法，該方法由故障特征向量構造和故障類型判別兩個環(huán)節(jié)組成。
　　基于小波包變換的故障特

2、征向量構造方法對滾動軸承時變、沖擊信號的處理尤為有效，它首先用小波包變換算法將振動信號進行多層小波包變換，每一層得到一系列寬度相同的頻段，然后對各個頻段提取能量值構造出表征故障類型的特征參數(shù)向量，不同故障類型對應的特征向量值的分布是不同的，最后用這些向量和故障編碼組成訓練以及測試樣本集。
　　基于CS-Elman的故障類型判別方法可以有效提高故障診斷的速度與精度，首先隨機生成包含權值以及閾值參數(shù)的n個鳥窩位置向量，將訓練誤差函數(shù)作