基于小波包变换和BP网络的铁道车辆滚动轴承故障诊断方法

作者:杨建伟;蔡国强;姚德臣;黄强;李捷 刊名:中国铁道科学 上传者:谢财健

【摘要】针对铁道车辆滚动轴承故障诊断,提出1种改进的小波包与BP神经网络相结合的故障诊断方法,并开发出基于该方法的铁道车辆滚动轴承故障诊断系统。用压电加速度传感器采集轴承试验台的模拟故障轴承振动信号,对采集到的信号先进行小波降噪,再通过小波包分解,构造特征向量,以此作为故障样本对改进的BP网络进行训练,实现智能化故障诊断。实验结果表明,基于该方法的故障诊断系统能够很好地诊断出铁道车辆滚动轴承内圈、外圈及滚动体表面出现的疲劳、剥落、磨损和裂纹等故障,具有实际工程应用价值。

全文阅读

第3 1卷 ,第6期          中 国 铁 道 科 学 Vol.31 No.6 2 0 1 0年1 1月          CHINA RAILWAY SCIENCE  November,2010  文章编号:1001-4632 (2010)06-0068-06 基于小波包变换和BP网络的铁道车辆滚动轴承故障诊断方法 杨建伟1,蔡国强2,姚德臣2,黄 强3,李 捷4 ( 1.北京建筑工程学院机电与汽车工程学院,北京 100044; 2.北京交通大学 轨道交通安全与控制国家重点实验室,北京 100044; 3.中国铁道科学研究院机车车辆研究所,北京 100081;4.太原科技大学 机械电子工程学院,山西 太原 030024)   摘 要:针对铁道车辆滚动轴承故障诊断,提出1种改进的小波包与BP神经网络相结合的故障诊断方法,并开发出基于该方法的铁道车辆滚动轴承故障诊断系统。用压电加速度传感器采集轴承试验台的模拟故障轴承振动信号,对采集到的信号先进行小波降噪,再通过小波包分解,构造特征向量,以此作为故障样本对改进的BP网络进行训练,实现智能化故障诊断。实验结果表明,基于该方法的故障诊断系统能够很好地诊断出铁道车辆滚动轴承内圈、外圈及滚动体表面出现的疲劳、剥落、磨损和裂纹等故障,具有实际工程应用价值。   关键词:铁道车辆;滚动轴承;故障诊断;小波包;改进神经网络   中图分类号:TH133.33;U270.331.2:U279.32  文献标识码:A  收稿日期:2009-09-10;修订日期:2010-07-19  基金项目:国家 “八六三”计划项目 (2007AA11Z247);山西省自然科学基金资助项目 (2008012006-3);山西省青年科技研究基金资助项目 (2007021023 );山西省青年学术带头人资助项目 (20081066 );太原科技大学博士启动基金项目 (200670)  作者简介:杨建伟 (1971—),男,河南杞县人,教授,博士后。   滚动轴承的工作状况对铁道车辆的运行状态及安全状况影响很大。为了使频谱图中故障特征频率能较为清楚地表现出来,对采集到的信号通常进行滤波、共振解调等方法处理。但这些方法的诊断效 果会受到谐振和带通滤波频段选择的影响[ 1, 2]。同 时 Wigner (WD)分布、Choi-Williams (CD)分布、STFT分析等常用的时频分析方法[ 3],在处理非平稳信号时都有各自的局限性,如 WD和CD分布存在交叉项干扰,STFT 分析的窗口自适应性 差[ 4, 5]。而连续小波变换是目前应用于非平稳信号 分析的较好方法之一[ 6]。 将小波包变换与人工神经 (BP)网络相结合,是从非线性、非稳态信号中识别出故障的强有力手段,可有效解决窗口自适应和故障特征提取困难的问题。因此,本文利用改进的小波包变换和 BP网络对铁道车辆滚动轴承进行故障诊断。首先对采集来的信号进行小波降噪处理,然后以改进的小波包变换与BP网络相结合对降噪处理后的信号进行再次处理,从中提取故障特征值,诊断铁道车辆滚动 轴承中存在的故障。 1 诊断建模理论基础 1.1 小波及小波降噪 若 Ψ ( t )∈ L 2( R ), Ψ ( t )的 傅 里 叶 变 换 为 ^ Ψ ( 槇 ω ),当 ^ Ψ ( ω )满足如下允许条件 (完全重构条件 和恒等分辨率条件): CΨ =∫ R | ^ Ψ ( ω )| 2 | ω | d ω < ∞ ( 1) 则称 Ψ ( t )为1个基本小波或母小波的函数。 式中: L 为线性空间;

参考文献

引证文献

问答

我要提问