bp神经网络在滚动轴承故障诊断中的应用研究.doc

 PAGE \* MERGEFORMAT 9 BP神经网络在滚动轴承故障诊断中的应用研究 摘 要：滚动轴承的振动信号可以从时域特征来提取，时域参数常用于判断轴承是否存在故障，通过选取了合适的时域参数作为故障特征参数，作为诊断神经网络的输入，从而能更有效和全面地体现故障特征。通过修改隐含层节点数目来观察网络结构对滚动轴承故障诊断的性能影响，从而选取到合适的隐含层节点数；通过选取输入层的特征值均值、峰值、均方根值、峰值因数、脉冲因数、波形因数、峭度、裕度因数中合适的特征值来观察其构成的网络结构对滚动轴承故障诊断的性能影响程度，从而得到合适的网络输入层。 关键词：故障诊断；神经网络；滚动轴承；特征参数 Application of BP neural network in fault diagnosis of rolling bearing Abstract:The vibration signals of the rolling bearing can be extracted from time domain, time domain parameter is used to judge whether there is fault bearing, by selecting the appropriate time domain parameters as fault characteristic parameters as the inputs of the neural network, the diagnosis, which can be more effectively and comprehensively reflect the fault feature. To observe the effect of network structure on the performance of fault diagnosis of rolling bearing by modifying the hidden layer node number, so as to select the proper number of hidden layer nodes; the mean, peak, RMS, peak factor, pulse characteristics suitable factor, form factor, kurtosis, margin factor value in the observation network structure composed of the performance of fault diagnosis of rolling bearing based feature selection of input layer, so as to obtain the network input layer of suitable. Keywords:Fault diagnosis;Neural network; Rolling bearings; Feature parameter 1 序言 滚动轴承作为机械设备中重要的旋转零件，也是机械设备的重要故障源之一。与机械其他零部件相比，滚动轴承有一个很大的特点，就是其寿命离散性很大。有的轴承已经大大超过设计寿命却依然完好地工作，而有的轴承远未达到设计寿命就出现各种故障。所以滚动轴承的故障诊断方法一直是机械故障诊断中重点发展的技术之一。据统计，对机械设备应用状态监测与故障诊断技术后，事故发生率降低了75%，维修费用减少了25%～50%。滚动轴承的状态监???与故障诊断技术在了解轴承的性能状态和及时发现潜在故障等方面起着至关重要的作用，而且还可以有效提高机械设备的运行管理水平及维修效能，从而显著地提高了经济效益[2]。 通常的故障诊断方法或是基于温度信号分析，或是声音信号分析，难以全面反映振动的特征。由于滚动轴承的故障诊断模式和特征向量之间是非常复杂的非线性关系，依靠通常的诊断方法不能很好地解决滚动轴承的故障诊断问题,而神经网络却能很好的解决这个问题，它能准确的判定出滚动轴承的故障。 故障诊断的本质就是在分析故障症状和故障原因的基础上，由症状推断出故障的原因，人工神经网络在故障诊断中的应用，就是要用人工神经网络来模拟人脑的推断功能从而进行故障诊断。人工神经网络在故障诊断中具有十分重要的应用价值，它能通过训练人工神经网络存储关于过程的知识。人工神经网络故障诊断方法不但能在模式空间内形成各种复杂的判决表面，而且神经网络方法最大的特点是网络具有自适应能力，网络不但能自适应地学习，而且能够自适应地调整网络的大小，而且它兼有模式识别