张俊-小波和RBF神经网络在滚动轴承故障诊断中应用1参照.pdfVIP

小波和 RBF 神经网络在滚动轴承故障诊断中应用 * 摘要 ：研究了基于径向基神经网络的故障诊断方法和原理 , 采用小波包分析对其建立频域能量特征向量 , 利 用径向基函数神经网络完成滚动轴承故障模式的识别。试验结果表明 , 系统不仅能够检测到轴承故障的存在 , 而且能够比较准确地识别轴承的内外环故障模式 , 可以满足工程中的需要。 关键词： 小波神经网络；径向基函数；滚动轴承；故障诊断 中图分类号 TH133.3 ；TP183 文献标识码 Application of Wavelet and Radial Basis Function Neural Networks to Fault Diagnosis of Rolling Bearing Abstract: The method and the theory of fault diagnosis based on the radial basis function neural network are studied. The feature vectors are established by means of wavelet packet, then recognition of fault pattern of rolling bearing was presented using radial basis function neural network. The experimental result shows that the system can not only detect the fault of bearing but also can recognize inner or outer rings fault pattern correctly. The results are of great significance for engineering application. Keywords: Wavelet neural networks; Radial basis function; Rolling bearing; Fault diagnosis 滚动轴承是机器的重要部件 , 由于工作面接触应力的长期反复作用 , 极易引起轴承疲劳、裂纹、压痕等 故障 , 导致轴承断裂 , 造成事故。因此滚动轴承故障诊断非常重要的 , 在现场对轴承检测时 , 常利用轴承发生 故障时携带的奇异性运行状态信息进行故障模式的识别 , 故障部位不同 , 引起冲击振动信号的频域分布能量 也不同 [1] 。小波神经网络 ( WNN ：Wavelet Neural Networks ) 是在小波变换基础上提出的一种前向神经网络 , 它可以把信号分解为一系列的具有局部特性的小波函数 , 在低频和高频范围内均有很好的分辨力 , 具有可调 [2] 窗口的时 - 频局部分析能力 , 因而小波神经网络非常适用于解决函数逼近、 系统辨识以及模式识别问题 。本 文借助于小波分析对采集到的轴承振动信号分析处理 , 提取出其信号特征 , 采用径向基函数 ( RBF ：Radial Basis Function ) 神经网络完成轴承故障模式的识别。 1 离散小波包分析 [ 3]