基于HHT与GA-BP网络的轴承故障诊断方法研究.pdfVIP

2010年 9月 机床与液压 Sep．2010 第38卷 第 17期 MACHINE TOOL ＆ HYDRAULICS Vo1．38 No．17 DOI：10．3969／j．issn．1001—3881．2010．17．040 基于 HHT与 GA—BP网络的轴承故障诊断方法研究 周云龙 ，宋延宏 ，陈军 (东北电力大学，吉林吉林 132012) 摘要：结合HHT与GA—BP神经网络的优点 ，提 将二者结合用于轴承故障诊断的新方法，并且应用最近提出的方法 改进 HHT，使其膻用更为有效。利用 HHq、构造出代表振动信号特征的 “能一顿分布”；根据 GA—BP网络能够逼近任意非 线性函数和具有高效寻找全局最优的特点作为特征分类器，进行轴承故障诊断 该方法应用时不需要对信号进行预处理， 也不需要精确计算滚动轴承的故障特征频率 实验结果表明，该方法是可行有效的。研究结果为滚动轴承和其他机械设备 的故障诊断提供了新的思路。 关键词：滚动轴承；HHT；GA—BP神经网络 ；故障诊断 中图分类号：TH133．33+1 文献标识码 ：A 文章编号：1001—3881(2010)17—133—5 Research on RollingElementBearingsFaultDiagnosis BasedonHHT andGA．BP NeuralNetwork ZHOUYunlong，SONG Yanhong，CHENJun (NortheastDianliUniversity，JilinJilin1320l2，China) Abstract：BasedontheadvantagesofHilbert—Huangtransfornl(HHT)andGA—BPneuralnetwork (GA—BPNN)，anewmethod offaultdiagnosisofrrollingelementbearingswasputfonvardbyeombiningHHTandGA—BPNN． Themethodsfortheimprovementof HHT putforwardrecentlywereappliedtOmakeHHTmoreefficient．Theenergy—frequencydistributionsofvibrationsignalswerebuilt byHHT，servedasfeaturevectol’sofrollingelementbearingsvibrationsignals． GA—BPNN actedasaclassifierforfaultdiagnosis basedonthefactthatitcouldwellapproachanynonlinearcontinuousfunctionandhadhighefficiency infindingtheoptimizationap— proachreflectingdynamieligaturesofthesystems． Thismethodneitherneedvibration signalsdatapreprocessingnorthecalculationof theprecisefaultcharacteristicflequeneyofthebearing． theexperimentalresultsindicatethatthismethodisefficientandvalid． Keywords：Rollingelementbearings；Hilbert—Huangtransform ；GA—BPneuralnetworks；Faultdiagnosis 滚动轴承是应用最为广泛 、最为重要的旋转机械 数 (IMF)，IMF是一种单分量信号，相互问带宽不 设备部件之一，一般都是长期运行的易损件 ，因此滚 等；对每一项 IMF进行希尔伯特变换 (H