基于聲發(fā)射技術(shù)的滾動(dòng)軸承故障診斷研究.pdf

1、滾動(dòng)軸承是機(jī)械中磨損最嚴(yán)重的元件之一，大量旋轉(zhuǎn)機(jī)械的故障都與滾動(dòng)軸承有關(guān)，對(duì)滾動(dòng)軸承進(jìn)行狀態(tài)監(jiān)測和故障診斷的研究具有重要的實(shí)際意義。本文致力于滾動(dòng)軸承故障聲發(fā)射信號(hào)的特征提取和故障模式識(shí)別技術(shù)的研究。 本文以滾動(dòng)軸承故障聲發(fā)射信號(hào)為主要研究對(duì)象，對(duì)小波分析在聲發(fā)射信號(hào)處理中的應(yīng)用進(jìn)行了研究。首先，根據(jù)滾動(dòng)軸承故障聲發(fā)射信號(hào)的特點(diǎn)，分析了聲發(fā)射信號(hào)小波分析的小波基選取規(guī)則，并且找出了適合于分析滾動(dòng)軸承故障聲發(fā)射信號(hào)的Daubech

2、ies小波、Symlets小波和Coiflets；其次分析了基于Mallat算法的小波多分辨分析的概念，得出了多分辨分析頻率的范圍和小波分解的最大分解尺度公式，對(duì)滾動(dòng)軸承聲發(fā)射信號(hào)的小波分析起到了指導(dǎo)作用；本文還研究了三種基于小波分析的滾動(dòng)軸承聲發(fā)射信號(hào)特征參數(shù)提取方法：小波特征頻譜分析法、小波特征能量譜系數(shù)法、小波分解系數(shù)分析法。實(shí)際的工程應(yīng)用結(jié)果表明：這三種特征分析方法能夠有效地提取滾動(dòng)軸承聲發(fā)射信號(hào)的特征參數(shù)。 論文對(duì)BP

3、和RBF神經(jīng)網(wǎng)絡(luò)在滾動(dòng)軸承聲發(fā)射信號(hào)模式識(shí)別應(yīng)用中的問題進(jìn)行了研究。特別是對(duì)BP和RBF網(wǎng)絡(luò)學(xué)習(xí)樣本的構(gòu)造、輸入輸出層節(jié)點(diǎn)數(shù)的確定和隱層節(jié)點(diǎn)數(shù)的確定，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化等方面的問題進(jìn)行了研究。研究了基于改進(jìn)算法的BP網(wǎng)絡(luò)和基于改進(jìn)遺傳算法的RBF網(wǎng)絡(luò)、小樣本加噪聲循環(huán)訓(xùn)練法、小波分析與BP和RBF神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合和集成人工神經(jīng)網(wǎng)絡(luò)等五種提高神經(jīng)網(wǎng)絡(luò)性能的方法。實(shí)驗(yàn)結(jié)果表明，基于上述方法的神經(jīng)網(wǎng)絡(luò)在滾動(dòng)軸承的故障模式識(shí)別過程中取得了良好的效