基于改进小波神经网络滚动轴承故障诊断_姜涛.pdfVIP

第 卷第 期 华 中 农 业 大 学 学 报 ３３ １ Ｖｏｌ．３３ Ｎｏ．１ 　 　 　 　 　 　 　 　 年 月 ， ２０１４ １ ＪｏｕｒｎａｌｏｆＨｕａｚｈｏｎ Ａ ｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔ Ｊａｎ．２０１４ １３１ １３６ 　 　 　 ｇ ｇ 　 ｙ ～ 　 基于改进小波神经网络的滚动轴承故障诊断 姜 涛 袁胜发 　 　 ， 华中农业大学工学院 武汉 ４３００７０ ， 摘要 根据轴承故障产生的机理和常用故障特征参数的分析与提取方法 针对滚动轴承系统的非线性和 　 ， ， 。 表面振动信号的非平稳特性 采用小波分析法 并对小波分析中容易产生频率混淆而进行改进小波包快速算法 ， ， ， 试验结果表明 改进的小波分析能减少频率混淆现象 克服传统小波包快速算法中高低频重迭难以分辨的问题 。 并利用小波频带分析技术对故障信号中含有的噪声信号进行分离 结合小波和神经网络的优势建立改进小波 ， ， 神经网络的结构模型 研究小波神经网络的学习算法 解决传统 ＢＰ算法收敛速度慢和容易陷入局部极小值等 ， 。 问题 从学习率和连接权值两个方面对算法进行改进 以Ｎ２０５型滚动轴承在试验台上所测取的试验数据进行 ， 。 ， 网络训练 用振动信号为网络输入向量给出训练结果 仿真实例分析结果表明 采用改进的小波神经网络能够 对滚动轴承故障进行分类， ， 且其收敛速度明显快于相同条件下的小波神经网络和改进的 ＢＰ网络 可有效实现 滚动轴承的故障诊断。 ； ； ； ； 关键词 小波变换 神经网络 滚动轴承 模式识别 故障诊断 　 中图分类号 文献标识码 文章编号 （ ） ＴＨ １３３．３３ Ａ １０００２４２１２０１４０１０１３１０６ 　 　 　　 　 　　 　 － － － 机械设备诊断技术是一种了解和掌握设备在使 小波变换良好的时频局域化特性和神经网络的自学 　　 ， ， ， 用过程中的状态 根据测得的信号进行