基于BP神經網(wǎng)絡的機車走行部滾動軸承的故障診斷研究.pdf

1、機車走行部的滾動軸承是鐵路機車中極其重要并且也容易發(fā)生故障的部件，滾動軸承的運行狀態(tài)直接會影響到整臺機車的運行狀態(tài)。一旦走行部滾動軸承發(fā)生故障，很可能造成生命財產的損失。因此，進行機車走行部軸承的狀態(tài)監(jiān)測及故障診斷并能及時發(fā)現(xiàn)故障是具有重要的現(xiàn)實意義。
　　本文通過采集四種不同狀態(tài)下的DF4型內燃機車走行部滾動軸承的振動信號，提取特征參數(shù)值并對神經網(wǎng)絡進行訓練，并用遺傳算法對參數(shù)尋優(yōu)，最后基于前面的理論研究形成一套機車走行部滾動軸

2、承的故障診斷工具箱。在采集數(shù)據(jù)方面，本文采用鐵道科學研究院研制的JL-501/501A機車軸承動態(tài)檢測儀，針對從機車走行部上卸載下來的不同狀態(tài)走行部走行部軸承采集了大量振動信號，涉及的類型是正常軸承、外圈故障、保持架故障和滾子故障的軸承。為了提取有效的滾動軸承的故障特征，本文對機車走行部軸承振動分別進行了時域參數(shù)分析和小波分析。通過對比分析，選取峭度指標作為時域特征參數(shù);選取小波包系數(shù)的標準差作為時頻域的特征參數(shù)。在提取小波包系數(shù)時，使

3、用了共振解調的方法對原始信號進行了降噪處理。由于BP神經網(wǎng)絡在故障診斷方面具有一定的優(yōu)勢，本文采用BP神經網(wǎng)絡。在選用神經網(wǎng)絡的輸入時，分別對比了由峭度系數(shù)值與小波包系數(shù)標準差不同組合作為輸入的診斷效果，最終確定只用小波包分解系數(shù)的標準差作為神經網(wǎng)絡的輸入。為了進一步提高診斷率，本文選用了遺傳算法對影響神經網(wǎng)絡診斷準確率的DB小波基函數(shù)、小波包分解層數(shù)以及神經網(wǎng)絡隱含層節(jié)點數(shù)進行了優(yōu)化選取。使用優(yōu)化后的參數(shù)訓練得到的神經網(wǎng)絡，實現(xiàn)了對機