收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多特征量提取和PSO优化神经网络的轴承故障诊断

黄文静  
【摘要】:滚动轴承作为机械设备中使用非常广泛的基础部件,其运行状况的良好与否与整个系统的功能实现和安全生产有着直接的关系。工业技术如今发展飞速,人们意识到滚动轴承的稳定高效运行非常重要。论文以滚动轴承振动信号为基础,研究了滚动轴承故障诊断方法并做仿真及实验验证。首先,介绍了滚动轴承的构造、分类、振动原理以及常见的轴承故障诊断分析方法。针对以往轴承故障诊断技术的局限性,提出基于多特征量提取及粒子群优化神经网络的滚动轴承故障诊断方法。其次,引入了局部均值分解算法(Local Mean Decomposition,LMD)对振动信号分解。LMD分析方法能够有效地处理复杂信号,显示信号的局部特征。但是,由于实际信号常常会包含有大量的噪声,噪声会对局部均值分解算法的精度和效果产生严重影响。提升小波结构简单,构造方法灵活,因此本文引入提升小波消噪方法,对信号进行提升小波消噪后再进行LMD分解。通过一系列的仿真实验验证了该方法的有效性。然后,提取故障信号的时域特征指标、样本熵以及LMD分解后PF分量的能量,共同组成特征向量。利用时域特征参数可以对轴承故障进行分类,样本熵可以用来反映信号的复杂程度,LMD分解后各个PF分量的能量可以体现信号较深层次的信息。时域特征指标、样本熵、能量特征指标分别从系统的不同特性出发来描述系统的内部信息。这些特征量共同输入神经网络分类模型,可以使信息互补,弥补单一特征量的信息缺失。在对轴承故障的状态识别时,针对BP神经网络的收敛性问题,引入粒子群对BP网络优化。粒子群优化算法(Particle Swarm Optimizer,PSO)是一种新的基于群体智能的优化算法,有极强的全局搜索能力。PSO算法参数中,针对其重要的参数惯性权重,本文采用随机惯性权重法结合压缩因子的混合粒子群算法。对于BP神经网络的权值和阈值,利用混合PSO算法进行优化,有助于BP网络快速收敛到全局最优点。最后,将美国凯斯西储大学滚动轴承故障数据作为研究对象,分别对滚动轴承不同类型和不同损伤程度两个方面进行实验分析,结果表明,基于多特征量提取和粒子群优化神经网络的轴承故障诊断方法能够取得良好的效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 ;轴承故障诊断有了“透视镜”[J];机电设备;2001年06期
2 薛松;程珩;杨勇;;伪Wigner-Ville分布在电机轴承故障诊断中的应用[J];机械工程与自动化;2008年04期
3 赵志宏;杨绍普;;一种基于样本熵的轴承故障诊断方法[J];振动与冲击;2012年06期
4 黄晋英;潘宏侠;毕世华;杨喜旺;;基于高阶累量谱的轴承故障诊断[J];火炮发射与控制学报;2007年02期
5 陶新民;徐晶;刘兴丽;刘玉;;基于最大小波奇异谱的轴承故障诊断方法[J];振动、测试与诊断;2010年01期
6 乔世民;轴承故障诊断技术的发展[J];中国设备管理;1989年01期
7 李正安,李登啸;单片机轴承故障诊断系统[J];轴承;1992年03期
8 杨望灿;张培林;张云强;;基于邻域自适应局部保持投影的轴承故障诊断模型[J];振动与冲击;2014年01期
9 朱文来;;希尔伯特-黄变换在轴承故障诊断中的应用研究[J];科技创新导报;2013年34期
10 任国全,韦有民,郑海起;基于小波分析的轴承故障诊断研究[J];河北省科学院学报;2002年02期
11 谢晖;傅攀;陈侃;;基于小波的滚动轴承故障诊断[J];中国测试技术;2008年02期
12 丁涛;王芳;任工昌;;小波技术在轴承故障诊断中的应用现状及发展[J];煤矿机械;2008年07期
13 张星辉;康建设;刘占军;李志勇;;轴承故障诊断与故障预测方法[J];轴承;2011年01期
14 金盾;柳小勤;伍星;;一种基于冲击信号聚类分析的轴承故障诊断方法[J];机械与电子;2011年12期
15 郑慧仙;徐东红;;一起离心泵电机轴承故障诊断案例[J];石油和化工设备;2013年04期
16 苑宇;赵兴;赵玉龙;;基于时频维数的轴承故障诊断方法[J];振动.测试与诊断;2013年S1期
17 陆爽,曲守平,张晓辉;小波分析在轴承故障诊断中的应用[J];长春大学学报;2000年06期
18 董建宁,申永军,杨绍普;轴承故障诊断中的信号处理技术研究与展望[J];轴承;2005年01期
19 刘琦;;基于小波分析的轴承故障诊断研究[J];煤;2013年07期
20 徐玉秀,邢钢,愿培新;基于极大熵谱法的滚动轴承故障诊断的应用研究[J];重型机械;2000年05期
中国重要会议论文全文数据库 前10条
1 任获荣;马亚男;李胜刚;;熵随机共振在轴承故障诊断中的应用研究[A];2012年陕西省焊接学术交流会论文集[C];2012年
2 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
3 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年
4 陶新民;徐晶;杜宝祥;徐勇;;基于相空间奇异谱的SOM轴承故障诊断模型[A];第二十七届中国控制会议论文集[C];2008年
5 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年
6 李培玉;刘光明;郑俊;;基于多通道振动信号的港机台车车轮轴承故障诊断系统[A];第九届全国振动理论及应用学术会议论文集[C];2007年
7 李培玉;刘光明;郑俊;;基于多通道振动信号的港机台车车轮轴承故障诊断系统[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
8 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年
9 宋浏阳;王华庆;高金吉;王峰;;基于蚁群算法的滚动轴承故障诊断[A];现代振动与噪声技术(第九卷)[C];2011年
10 张淑清;张琳;;基于RBF网络和D-S推理的轴承故障诊断[A];首届信息获取与处理学术会议论文集[C];2003年
中国博士学位论文全文数据库 前1条
1 梁瑜;地铁列车轴承故障诊断及在途诊断系统研究[D];北京交通大学;2014年
中国硕士学位论文全文数据库 前10条
1 吴治南;基于小波变换与PNN神经网络相结合的滚动轴承故障诊断[D];河北工程大学;2015年
2 赵江萍;滚动轴承故障诊断系统设计[D];中国计量学院;2015年
3 黄文静;基于多特征量提取和PSO优化神经网络的轴承故障诊断[D];燕山大学;2016年
4 张涛;机车轴承故障诊断系统的研究与设计[D];中南大学;2005年
5 黄建新;多传感器数据融合技术在轴承故障诊断中的应用研究[D];武汉理工大学;2006年
6 赵兴;基于时频维数的滚动轴承故障诊断技术应用研究[D];大连交通大学;2013年
7 卢一相;时频分析在轴承故障诊断中的应用研究[D];安徽大学;2007年
8 陈涛;低速重载轴承故障诊断的虚拟仪器研究[D];重庆大学;2005年
9 李学伟;支持向量机在嵌入式轴承故障诊断装置中的研究与实现[D];东北大学;2010年
10 任锴胜;基于DSP的嵌入式煤矿提升机天轮轴承故障诊断系统研究[D];山东大学;2011年
中国重要报纸全文数据库 前1条
1 通讯员 蔡义杰 记者 唐先武;轴承故障诊断有了“透视镜”[N];科技日报;2001年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978