基于小波分析和神經(jīng)網(wǎng)絡(luò)的動(dòng)力機(jī)械故障診斷研究.pdf

1、隨著現(xiàn)代機(jī)械設(shè)備的日趨大型化、復(fù)雜化、自動(dòng)化和連續(xù)化，設(shè)備一旦發(fā)生故障，給生產(chǎn)和生活以至于人們的生命財(cái)產(chǎn)安全造成很大影響。因此，人們總是期望建立一套監(jiān)測(cè)、預(yù)警、容錯(cuò)和維修機(jī)制，伴隨系統(tǒng)運(yùn)行的全壽命周期，防止和杜絕影響系統(tǒng)正常運(yùn)行故障的發(fā)生和發(fā)展。 小波包分析是在多分辨分析的基礎(chǔ)上提出的一種能夠?qū)㈩l率分辨到任意細(xì)節(jié)的信號(hào)處理方法，它不僅對(duì)低頻信號(hào)進(jìn)一步進(jìn)行分解，而且對(duì)高頻信號(hào)也一樣，因此在故障診斷方面得到了廣泛的應(yīng)用。本文中就是利

2、用自主編寫完成的改進(jìn)的小波包軟閾值消噪方法源程序?qū)Σ杉恼駝?dòng)信號(hào)進(jìn)行消噪處理，進(jìn)而提取歸一化后的故障特征向量。 神經(jīng)網(wǎng)絡(luò)因其極強(qiáng)的非線性映射能力，特別適合于復(fù)雜模式識(shí)別，所以成為動(dòng)力機(jī)械狀態(tài)識(shí)別的有力工具。本文中采用神經(jīng)網(wǎng)絡(luò)中最核心的部分即三層BP神經(jīng)網(wǎng)絡(luò)作為故障分類識(shí)別的工具，根據(jù)實(shí)驗(yàn)的要求和需要求解的問(wèn)題最終確定神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)為8個(gè)、中間層神經(jīng)元個(gè)數(shù)為30個(gè)、輸出層神經(jīng)元個(gè)數(shù)為5個(gè)。 在對(duì)云內(nèi)動(dòng)力股份有限

3、公司生產(chǎn)的4100QB柴油發(fā)動(dòng)機(jī)上進(jìn)行實(shí)驗(yàn)的基礎(chǔ)上，建立了基于小波分析和神經(jīng)網(wǎng)絡(luò)的自適應(yīng)故障診斷系統(tǒng)。該系統(tǒng)采集了柴油機(jī)缸體表面的振動(dòng)信號(hào)，利用小波分析對(duì)振動(dòng)信號(hào)消噪處理，有效的剔除了振動(dòng)信號(hào)的噪聲干擾，提取了可以表征柴油機(jī)故障的振動(dòng)信號(hào)的特征向量。把提取的發(fā)動(dòng)機(jī)缸體振動(dòng)信號(hào)特征向量作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，最終建立起了神經(jīng)網(wǎng)絡(luò)自適應(yīng)故障診斷系統(tǒng)。通過(guò)輸入檢驗(yàn)樣本對(duì)神經(jīng)網(wǎng)絡(luò)自適應(yīng)故障診斷系統(tǒng)進(jìn)行驗(yàn)證，結(jié)果表明該系統(tǒng)能有效的對(duì)故障進(jìn)行分類識(shí)

4、別，最終實(shí)現(xiàn)故障診斷。 實(shí)驗(yàn)中應(yīng)用DASP2005專業(yè)軟件采集了發(fā)動(dòng)機(jī)在正常和非正常工作狀況下的缸體振動(dòng)信號(hào)，利用MATLAB的小波分析源程序?qū)φ駝?dòng)信號(hào)進(jìn)行消噪處理，提取相應(yīng)特征向量，作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和檢驗(yàn)樣本。通過(guò)BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和識(shí)別，最后對(duì)相關(guān)工作狀態(tài)進(jìn)行了分類，對(duì)發(fā)動(dòng)機(jī)的相應(yīng)故障做出了判定。這些方法和實(shí)驗(yàn)數(shù)據(jù)為后續(xù)的研究提供了基礎(chǔ)。 實(shí)驗(yàn)和分析結(jié)果表明，小波分析和神經(jīng)網(wǎng)絡(luò)用于動(dòng)力機(jī)械故障診斷是有效的、可行的，