小波神经网络在滚动轴承故障诊断中的应用.pdfVIP

Computer nneeringandApplications计算机工程与应用 2010，46(4) 213 小波神经网络在滚动轴承故障诊断中的应用 彭 滔，马 茜 PENGTao，MA Qian 湘潭大学 ，湖南 湘潭 411105 Xiangtan University，Xiangtan，Hunan 411105，China E-mail：pengtao20005@126．com PENG Tao。MA Qian．Applicationofwaveletneuralnetworkonrollingelementbearingsfaultdiagnosis．ComputerEngi— neeringandApplications，2010，46(4)：213-215． Abstract：StructuremodelandalgorithmsofWaveletNeuralNetwork (WNN)aredesignedcombiningtheadvantagesofbothwavelet transforillandArtificialNeuralNetwork(ANN)．Comparedwi出theslowconvergencerateofconventionalBPneuralnetwork，thealgo— rithmsusingvariablelearningrateandmomentum factorcanbeevidentlyimproved．Waveletneuralnetworkisappliedtotypicalfaults diagnosisofrollingelementbeatings．Experimentaldataobtainedfrom 7216taperedbearingsexperimenttableisusedtotrainthenet- work，usingvibrationsignalasitsinpuLThesimulationresuhsindicatethattheWNN canaccuratelyclassifyfaults．TheWNN obviously surpassestheconventionalBP neuralnetwork，anditefficientlyaccomplishesthefaultdiagnosisofrollingelementbeatings． Keywords：waveletanalysis；neuralnetwork；fauh diagnosis 摘 要：结合小渡变换和神经网络的优势给出小波神经网络的结构模型，研究了小波神经网络的学习算法；针对传统算法收敛速 度慢等问题，从学习率和引入动量项两个方面对算法进行改进。应用小波网络对滚动轴承的典型故障进行实例诊断。以7216圆锥 轴承在实验台上所测取的数据进行网络训练。用振动信号为网络输入向量，给 出训练结果。仿真实例表明，采用小波神经网络能够 很好地对故障进行分类，其收敛速度明显要快于相同条件BP神经网络，有效地实现了滚动轴承的故障诊断。 关键词：小波分析；神经网络；故障诊断 DoI：10．3778~．issn．1002—8331．2010．04．067 文章编号：1002—8331(2010)04—0213—03 文献标识码：A 中图分类号：TP18 滚动轴承作为旋转机械中应用最为广泛的基础部件 ，其运 W a，)= l (f) (二 )dt=x(t)， (t) (1) 行状态是否正常直接影响到整机的性能。轴承发生故障时，由 、／U a 滚动体引起冲击振动，故障部位不同，振动信号的频域分布能 式中a0是尺度因子，反映位移 ，其值可正可负。上标 表示 量也不同，利用振动信号携带的运行状态信息进行故障模式的 取共轭，符号 ，，代表内积。小波分析方式是一种窗口大小(即 识别是滚动轴承故障诊断中常用的方法，其传统信号处理的主 窗口面积)固定但其形状可改变，时问窗和频率窗都可改变的 要数学工具是傅里叶变换 1_『。小波变换是一种信号的时间～尺度 时频局域化分析方法，即在低频部分具有较高的频率分辨率和 (对应于时间一频率)分析方法，具有多分辨率分析的特点，且在