基于小波包变换与神经网络的滚动轴承故障诊断

作者:孙晓涛;高军伟;毛云龙;张彬;董宏辉; 刊名:工业控制计算机 上传者:于占波

【摘要】针对当前轨道车辆的滚动轴承故障的多发性和重要性的问题,提出了一种基于小波包与RBF神经网络的轴承故障诊断方法。首先对采集到的振动数据进行相应的预处理,然后通过小波包变换提取轴承故障信号的能量特征向量,同时利用已知的故障信号能量特征向量训练RBF神经网络,通过训练好的RBF神经网络对轴承进行故障的分类与诊断,实现智能化故障识别,同时对系统进行调试运行。实验结果表明,该系统具有诊断精度高、速度快的优点。基于小波包和RBF神经网络的轨道车辆轴承故障诊断方法能够准确地对轴承故障进行分类,该系统具有很好的实际应用价值。

全文阅读

《工业控制计算机}2017年第 30卷第 8期 115 基于小波包变换与神经网络的滚动轴承故障诊断 Fault Diagnosis of Antifriction Bearing Based on W ave Packet and Neural Net 孙晓涛 ’ 高军伟 毛云龙 ’ 张 彬 ’ 董宏辉 (1青 岛大学 自动,fb-~电气工程 学院,山东 青岛 266071; 2 北京交通大学轨道交通控制与安全 国家重点实验室,北京 100044) 摘 要:针对 当前轨道 车辆 的滚动轴承故 障的多发性和 重要 性的问题 ,提 出 了一种基 于小波 包与 RBF神经 网络 的轴 承故 障诊 断方法。首先对采 集到的振动数 据进行相应的预处理 ,然后通过 小波 包变换提 取轴承故 障信 号的能量特征 向量 ,同时利 用 已知 的故 障信号能量特征 向量训练 RBF神经 网络 ,通过训练好的 RBF神经 网络对轴承进 行故 障的分类 与诊 断,实现智 能 化 故障识别 ,同时对 系统进行调试运行 。实验结果表 明,该 系统具有诊 断精 度高、速度快的优 点。基 于小波 包和 RBF神 经网 络 的轨道车辆轴承故障诊 断方法能够准确地对轴承故障进行分类 ,该 系统具有很好的 实际应用价值。 关键词 :轨道 交通 ,滚动轴承 ,故障诊 断,小波包,神经 网络 滚 动轴承作 为一种 轨道交通 中应 用最广 泛 的机械部 件之 一 , 并且轴承 的工作强度非 常大 ,工作 环境也很恶劣 ,故障的发 生也是非线性特点 ,定期 的检修也难 以很好地 防止故 障的发 生 , 因此对于滚 动轴承 的故障诊断成了一个重要 的研究方 向。通常 轨道交通车辆的滚动轴承故 障诊断 的方法采用振 动检测 [1],振动 检测方法具有很多 的优点 ,如更 为准确 ,更为快速 。振动检测方 法当前已经得到较为广泛的应用。而且近年来 ,出现了很多新 的 信号处理方法 ,比如小 波包分析方法 ,该信号分析方法为轨道车 辆的故 障诊断研究提供了更为广阔的发展空间。将小波包分析 与 RBF神经 网络相结合 ,可 以从 非线性 、非稳态 信号 中识 别出 故障信 号的特征 ,以便 于更为准确地进行故 障的分类 。本文提出 了一种基于小波包和 RBF神经 网络的轴承故障诊断方法 ,首先 采用已知故障类型的数据进行 RBF神经 网络训练 ,对采集 的故 障数据通过小波包变换提取故障的能量特征 ,然后通过训练好 的 RBF神 经网络进行故障类型的诊断 。 1 振动信号的特征提 取 滚 动轴承的故障在一开始所产生的信息较为微弱 ,通常会 被车辆 噪声干扰所淹没 ,比较难 以辨别 ,这就要求 对原始信号进 行消噪处理 ,通常采用小波 消噪方法 ,得 到更为清晰 的信 号 ,以 便于对故障信息 的确认。对于信号的特征提取 ,根据 以往的实 验 ,当轴承出现故 障时 ,信 号的高频 段由于冲击造 成的信息变化 较 为明显 ,而低频带 由于噪声的干扰使得信息 比较 难以分辨 , 通常 的小 波分解 可 以通 过设计高通 滤波器 和低 通滤 波器来 实 现 ,小波分解后可 以得到高频分解系数和低频分解系数 。由于小 波分解主要对低通滤波器 的输出进行递归分解 ,而高通滤波器的 输出一般直接作为分解结果 ,这就使得小波分析在高频 的分辨率 较差 ,而滚动轴承的故障诊 断对 于高频段 的分解 又是 至关 重要 的,因此小波分解不适合该系统 。本文的设计采用小波包分解方 法 ,小波包分解可 以将信号分在不同 的频带

参考文献

引证文献

问答

我要提问