基于小波包絡解調與人工神經網絡的軸承智能診斷技術研究.pdf

1、滾動軸承是機械設備中最常用的部件之一，因此對滾動軸承故障診斷的研究十分重要。當滾動軸承某一元件表面出現(xiàn)局部損傷時，在受載運行過程中要周期性地撞擊與之相互作用的其他元件表面，從而產生周期性的沖擊脈沖力。由于沖擊脈沖力的頻帶很寬，會覆蓋軸承系統(tǒng)的各個固有頻率，所以該脈沖力同理想脈沖一樣必然激起軸承系統(tǒng)的各個固有振動。這樣原來的平穩(wěn)振動信號變成了非平穩(wěn)振動信號。傅立葉變換在頻域上是完全局部化的，但它不能提供任何時域的局部化特征，因此它不適應非

2、平穩(wěn)信號的分析。小波分析能多尺度地同時提供信號在時域和頻域的局部化信息，因而成為信號處理尤其是非平穩(wěn)信號處理的重要手段。 人工神經網絡因其特有的優(yōu)勢使得它的應用日益廣泛，它的計算能力有三個顯著的特點：一是它的非線性特征；二是并行分布結構；三是它的學習和歸納能力。同時，它實現(xiàn)容易，采用大量簡單的神經元構成神經網絡解決難以直接使用解析式處理的問題。因此將神經網絡引入軸承故障診斷正好利用其特點，將問題處理從傳統(tǒng)方法轉向人工智能方面。

3、 針對基于小波包絡解調技術的滾動軸承故障診斷，本文主以下幾方面展開研究： 1、系統(tǒng)的介紹了滾動軸承的振動機理及其典型故障的振動特征； 2、細致地闡述了小波分析的基本理論及其在信號處理中的應用； 3、闡述了基于小波包分解與重構的包絡解調法(小波包絡法)和小波包分解頻帶能量監(jiān)測法(小波包能量法)的原理，分別用這兩種方法對滾動軸承幾種典型故障進行了診斷，并提取特征向量。 4、分別將得到的兩種特征向量與BP