论文部分内容阅读
滚动轴承故障通常使设备产生异常的振动和噪声，进而造成设备损坏。滚动轴承的故障诊断方法是机械故障诊断中主要研究的热点之一，它广泛应用于航空、电力系统、农业机械、运输机械、冶金机械等领域。因此，开展对滚动轴承的故障诊断具有很现实的意义。本文主要研究小波神经网络在滚动轴承故障诊断中的应用。论文主要做了以下三个方面的研究工作：
1．论述了轴承故障产生的机理和常用故障特征参数的分析和提取方法。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，引入小波分析方法。利用小波分析良好的时频局部化特性，克服了傅立叶变换只能在整体上分析的缺陷，较好的分析故障中的奇异信号。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。
2．结合小波和神经网络的优势给出小波神经网络的结构模型，研究了小波神经网络的学习算法，针对传统算法收敛速度慢等问题，从学习率和引入动量项两个方面对算法进行改进。
3．应用小波网络对滚动轴承的典型故障进行实例诊断。以7216圆锥轴承在试验台上所测取的数据进行网络训练。用振动信号为网络输入向量，给出训练结果。通过仿真实例，可以看到采用的小波神经网络能够很好的对故障进行分类，其收敛速度明显要快于相同条件BP神经网络，有效地实现了滚动轴承的故障诊断。