基于神经网络分类算法的电机轴承故障检测方法.pdf

计 靳 …… ． 触持电棚 2o17年第45卷第1期 ． ， 刘国庆，等 基于神 。 ／ !{≥… … … … … … … … … … … … … … … … … … … … … … 一． ．_-．… … _-：：：．一。． ．：． 要 ：．：… ．． 基于神经网络分类算法的电机轴承故障检测方法 刘国庆 ，史小春 ，廖 强 (1．1~JlIZ程职业技术学院，德阳618000；2．电子科技大学，成都 611731) 摘 要：针对电机轴承故障的检测问题 ，提出一种结合移除非故障分量 (RemovingNon—bearingFaultCompo— flent，RNFC)滤波器和多层感知器 (Multi-LayerPerceptron，MLP)神经网络分类器的电机轴承故障检测方法。首 先，利用神经网络设计一种RNFC滤波器，滤除与故障不相干的信号，只输出各种故障信号分量。然后 ，利用Leven— berg-Marquardt算法训练MLP神经网络来构建故障分类器 ，并从 RNFC滤波器输出的故障信号中提取4种时域特 征(均方根、方差、偏度和峰度)，作为故障分类器的输入。最后，实现对内圈缺陷、外圈缺陷和滚动体故障的检测。 实验结果表明，该方法能够准确检测故障且对环境噪声具有鲁棒性。 关键词：电机轴承；故障检测 ；Levenberg-Marquardt算法；非故障分量滤波器；神经网络分类器；时域特征 中图分类号：TM307 文献标志码 ：A 文章编号 ：1004—7018(2017)O1—0030—04 M otorBearingFaultDetectionM ethodBasedonNeuralNetwork ClassificationAlgorithm L／UGuo-qing ，SItIXiao—chun，LIAOQiang (1．SichuanEngineeringTechnicalCollege，Deyang618000，China； 2．UniversityofElectronicScienceandTechnologyofChina，Chengdu611731，China) Abstract：Fortheissuesthatthemotorbearingfaultdetection，amotorbearingfaultdetectionmethodbasedonremo— vingnon—bearingfaultcomponent(RNFC)filterandmuhilayerperceptron(MLP)neuralnetworkclassifierwasproposed． First，itbuiltaRNFCfilterbasedonneuralnetworktoremovethesignalwhichhasnothingtodowiththefault，onlyoutput ofvariousfaultsignalcomponents．Then，itconstructedafaultclassifierbased on MLPneuralnetworkwhichtrainedby Levenberg—Marquardtalgorithm．Thefourfeatures(RMS，variance，skewnessandkurtosis)wereextractedfromthefault signal outputofRNFCfilter，astheinputoffaultclassifier．Finally，thedetectionoftheinnerring，theouterringandthe rollingelementfaultwasrealized．Theexperime