基于小波神经网络的矿用主通风机故障诊断研究.pdfVIP

第36卷第 叭 期 煤 矿 机 械 Vol_36No．0l 2015年 01月 CoalMineMachinery Jan．20l5 doi：10．13436／j．mkjx．201501115 基于小波神经网络的矿用主通风机故障诊断研究 誓 超 (天地科技股份有限公司上海分公司，上海 200030) 摘 要：通过小波包分析对通风机转子的振动信号降噪分解 ，提取各频带重构信号的能量作 为故障特征向量 ．并以此 当做 BP神经网络的训练样本和测试样本 。进行 网络训练和故障模式识 别。以MATLAB为平台，测试 了网络对通风机常见故障类型的识别验证率，结果表 明方法可行有 效 ，有较高精度 。为旋转设备故障诊断提供 了新的思路 。 关键词 ：小波包；BP神经网络 ：故障诊断；通风机 中图分类号 ：TD44I 文献标志码 ：A 文章编号 ：1003—0794(2015)01—0276—03 ResearchofFaultDiagnoisisforM iningChiefFanBasedonWavelet NeuralNetwork DoNG Chao (ShanghaiBranch，TiandiScienceandTechnologyCo．Ltd．，Shnahgai200030，China) Abstract：Thispaperdecomposevibrationsignal offlowfanandreducenoiseofitwiththemethodof waveletpackanalysis．Toextractheenergyofthesignalreconstructedindifferentfrequencybnadas thefaultfeaturevectorforbpneural networkwhichusethem astrainingandtestsamplestotrainnet nadidentifyfailuremode．UseMATLABasaplatform totestthenewtork’Saccuracyofidentificationto common faulttypeand resultsshow thathtismethod isfeasibleand providesanew wayofrfault diang osisofrotatingequipment． Keywords：waveletpacket；BPneural newtorks；faultdiagnosis；flow fna 0 引言 1 BP神经网络 人工神经网络以其在知识获取、并行推理、适 BP网络采用了BP学习算法 ．因其结构简单 。可 应性学习、联想推理 、容错能力等方面具有 明显 的 调参数多。训练算法多，可操控性好 ，获得了广泛的 优越性 。使它在故障诊断领域的应用越来越频繁。 实际应用 。BP网络模型由输入层 、隐含层 (层数不 经过训练的神经网络 ．可以实现特征 向量到故障类 限)以及输出层组成 ，其拓扑结构如图2所示。 型的复杂非线性映射 本文采用 的前馈型 BP神经 误善 后倍 网络，即误差逆传播算法 ，由于算法简单、易行、计 算量小、并行性强等优点，是多层前 向网络的首选。 矿用通风机 的故障信号是一种非周期、非平稳 信号。小波包分析作为信号处理领域 中的一类时频 分析方法 ．比小波分析更为精细 ．将信号的高频部 分继续划分 ．从更加细化 的频带提取故障特征作为 特征 向量。另外．根据信号与噪声在尺度上的传播 输入层