小波和RBF神经网络在轴承故障诊断中的应用.pdf

!曼 ! 二 ! 轴承 2009年11期 CN41—1148／TH Bearing2009，No．11 ．．I测量与仪器 小波和 RBF神经网络在轴承故障诊断中的应用 张 俊，孙艳玲，叶建民 (襄樊学院 机械与汽车工程学院，湖北 襄樊 441053) 摘要：分析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，而且能够 比较准确地识别轴承的内、外圈故障模式，可以满足工程中的需要。 关键词：滚动轴承；故障诊断；小波神经网络；径向基函数 中图分类号：TH133．33；TP183 文献标志码：B 文章编号 ：1000-3762(2009)11—0035—04 ApplicationofW aveletandRadialBasisFunctionNeuralNetworks toFaultDiagnosisofRollingBearings ZHANGJun，SUN Yan—ling，YEJian—min (SchoolofMechanical＆AutomotiveEngineering，XiangfanUniversity，Xinagfan441053，China) Abstract：Themethodna dthetheoryoffaultdiagnosisbasedontheradialbasisfunctionneuralnetworkarestudied． Thefeaturevectorsareestablishedbymenasofwaveletpacket，andthenrecognitionoffaultpaBem ofmUingbearing WaSpresentedusingradialbasisfunctionneuralnetwork．Theexperimentalresultshowsthatthesystem Cna notonly detectthefauhofbearingbutalsoCna recogni~ innerorouterringsfaultpatterncorrectly．Theresultsareof greatsig- niticanceforengineeringapplieation． Keywords：rollingbearing；falultdiagnosis；waveletneuralnetworks；radialbasisfunction 现场对滚动轴承检测时，常利用其发生故障 别。故障部位不同，引起冲击振动信号的频域分 时携带的奇异性运行状态信息进行故障模式的识 布能量也不同¨J。小波神经网络 (WaveletNeural Networks，WNN)是在小波变换基础上提出的一种 收稿 日期：2009—02—10；修回日期 ：2009～04—13 前向神经网络，它可以把信号分解为一系列的具 基金项 ·湖北省襄樊市科技孵化与引导计划项 目(襄科 有局部特性的小波函数，在低频和高频范围内均 计 [2008]1l号／2008GG1CA2) 作者简介：张 俊 (1967一)，男 ，河南南阳人 ，教授，工学硕 有很好的分辨力，具有可调窗口的时一频局部分 士，主要研究方向为 CAD／CAM／CNC、人工智能与数值仿 析能力，因而小波神经网络非常适用于解决函数 真技术。E—mail：zhnagjun—xf@163．eom。 逼近、系统辨识以及模式识别问题-2j。本文借助 从故障模式影响(危害性)分析工作表中所列 措施。目前，国内航天系统已普遍熟练应用这项 的潜在故障后果或影响可知，潜在故障对轴承使 技术，航空领域和民用精密技术应用这项技术还 用寿命有不同程度的影响，设计者在初样轴承的 处于刚刚起步阶段 。尽管这项技