基于改进小波神经网络的滚动轴承故障诊断

摘要：

根据轴承故障产生的机理和常用故障特征参数的分析与提取方法,针对滚动轴承系统的非线性和表面振动信号的非平稳特性,采用小波分析法,并对小波分析中容易产生频率混淆而进行改进小波包快速算法.试验结果表明,改进的小波分析能减少频率混淆现象,克服传统小波包快速算法中高低频重迭难以分辨的问题,并利用小波频带分析技术对故障信号中含有的噪声信号进行分离.结合小波和神经网络的优势建立改进小波神经网络的结构模型,研究小波神经网络的学习算法,解决传统BP算法收敛速度慢和容易陷入局部极小值等问题,从学习率和连接权值两个方面对算法进行改进.以N205型滚动轴承在试验台上所测取的试验数据进行网络训练,用振动信号为网络输入向量给出训练结果.仿真实例分析结果表明,采用改进的小波神经网络能够对滚动轴承故障进行分类,且其收敛速度明显快于相同条件下的小波神经网络和改进的BP网络,可有效实现滚动轴承的故障诊断.

关键词：小波变换、神经网络、滚动轴承、模式识别、故障诊断

所属期刊栏目：33

分类号：TH133.33

资助基金：中央高校基本科研业务费专项2010PY016

在线出版日期：2014-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：131-136