基于Bayesian理論的電機滾動軸承故障的智能診斷研究.pdf

1、電動汽車與傳統(tǒng)的內燃機車輛本質不同，它以車載電源為動力，用電機驅動車輛行駛，因此電機的可靠性決定了電動汽車的性能和工作情況。而電機故障診斷技術與電機的可靠性密不可分，它包含很多新科技內容的綜合技術，其中軸承故障診斷是電機故障診斷技術中的重要部分?；驹硎歉鶕S承運行過程中產生的各種信息，判斷軸承運行是屬于正常還是發(fā)生了異常，滾動軸承故障的準確診斷可以減少或杜絕事故的發(fā)生。本文從以下幾個方面開展了對滾動軸承故障診斷的研究：
　　

2、 首先，在分析神經網絡、遺傳算法、專家系統(tǒng)等故障診斷方法的基礎上，提出了電機滾動軸承故障的貝葉斯分類器的設計方法。貝葉斯網絡診斷法與神經網絡方法相比，更簡單，易實現，容易實現后期的在線診斷。
　　 其次，對電機滾動軸承的故障振動信號進行分析，用高通濾波的方法從中提取出電機滾動軸承的特征參數，包括有量綱特征參數與無量綱特征參數，此特征參數在遵循正態(tài)分布和韋伯分布的基礎上，進行了故障的初步判斷，同時得出了電機滾動軸承通用的特征參數。

3、
　　 然后，提出一種識別指標(DI)，在此基礎上，選取滾動軸承故障，內輪磨損，外輪磨損，內輪裂痕，外輪裂痕以及滾動損傷的有效特征參數作為故障診斷貝葉斯分類器的輸入，各個故障作為貝葉斯分類器的節(jié)點。將滾動軸承故障診斷的信號數據分成兩組，一組作為教師數據，確定貝葉斯分類器的結構以及節(jié)點概率表；另外一組作為學生數據，驗證該貝葉斯分類器的有效性。
　　 最后，根據設計的貝葉斯分類器分析其分類結果，結果表明該分類器能有效地進行故