基于PSO-BP神经网络和Hilbert谱奇异值的滚动轴承故障诊断.pdfVIP

第7期 组 合机床 与 自动化 加工 技术 No．7 2014年7月 M odularM achineTool AutomaticManufacturingTechnique Ju1．2014 文章编号：1001—2265(2014)07—0077—03 DOI：10．13462／j．cnki．mmtamt．2014．07．021 基于 PSO—BP神经网络和 Hilbert谱奇异值的 滚动轴承故障诊断水 侯一民 ，孙嘉兵 ，张 宇 ，陈艳虎 (1．东北电力大学 自动化工程学院，吉林 吉林 132012；2．大唐珲春热电厂，吉林 珲春 133300) 摘要：Hilbea谱奇异值是对振动信号进行Hilbert—Huang变换得到Hilbea谱时频矩阵后，再利用奇异 值分解的方法提取矩阵的特征得到的。将振动信号的谱奇异值作为故障特征 ，用粒子群优化BP神 经网的方法来诊断故障类型，并将该方法与传统BP神经网络做 比较分析，实验结果证 明，该方法具 有收敛速度快、准确度高的特点。 关键词：滚动轴承；希尔伯特谱 ；奇异值分解；粒子群算法；BP神经网络 中图分类号 ： 文献标识码 ：A FaultDiagnosisofaRollingBearingBasedon PSO ·BPNeuralNetworkand HilbertSpectrum andSingularValueDecomposition H0U Yi．rain ，SUNJia．bing，ZHANGYu ，CHENYan．hu (1．Dept．ofAutomationEngineering，NortheastDianliUniv．，JilinJilin132012，China；2．DatangHunchun ThermoelectricPlant，HunchunJilin133300，China) Abstract：Hilbe~ spectrum andSingularvalueDecompositionisHilbert—Huangtransform ofVibrationsignal Hilbertspectrum matrix，andusing thesingulra eigenvaluevaluedecomposition method to extractmatrix． then，getthevibrationsignalspectrum singularvalueasthefaultfeature，ThemehtodofparticleswarlTlopti— mizationBPneural networktodiagnosehtefaulttype．Theexperimentalresultsshow that，thismehtodcould identifytheeffectiveapplicationinrollingbearingfault． Keywords：rollingbearing；Hilbertspectrum ；singularvaluedecomposition；particleswarlTloptimization；BP neura1network 行故障诊断。程军圣等 提出了一种基于本征模函数 0 引言 的奇异值分解和支持向量机的故障诊断方法，该方法利 滚动轴承作为大型旋转机械的关键部件之一 ，其故 用本征模函数形成向量矩阵，然后对该矩阵进行奇异值 障将直接导致设备运行失稳和严重的后果。滚动轴承 分解，将其作为故障特征向量。相比较而言，利用希尔 是旋转轴承中的易损部件 ，当滚动轴承存在故障时，它 伯特谱进行故障特征提取的文献很少，于德介等 提出 们的振动信号表现出非线性、非平稳特征。滚动轴承振 一