基于改进小波神经网络的滚动轴承故障诊断

摘要

滚动轴承是机械设备中重要的零件，也是最容易损坏的元件之一。当滚动轴承发生故障时很容易使机械设备产生异常的噪声和振动，进而损坏设备。为及早发现设备故障防止生产线停工、避免重大事故，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。对于滚动轴承系统的非线性和表面振动信号的非平稳特性，引入了小波分析方法并针对小波分析中容易产生频率混淆的情况提出了改进的小波包快速算法。改进的小波分析对于频率混淆现象有良好表现，克服了传统小波包快速算法中高低频重迭难以分辨的问题并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了改进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BP算法收敛速度慢和容易陷入局部极小值等问题，从学习率和连接权值两个方面对算法进行改进。
　　 3.应用改进的小波网络对滚动轴承的典型故障进行实例诊断。以N205型滚动轴承在试验台上所测取的试验数据进行网络训练，用振动信号为网络输入向量，给出训练结果。通过仿真实例，可以看到采用的改进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下的小波神经网络和改进的BP网络，有效地实现了滚动轴承的故障诊断。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 课题研究意义

1．3 滚动轴承故障诊断技术的发展和趋势

1．4 本文研究的主要内容

第二章 小波分析及神经网络在滚动轴承故障诊断中的应用

2．1 滚动轴承的结构

2．2 滚动轴承的特征频率

2．3 滚动轴承故障诊断的基本环节

2．4 滚动轴承的故障特征提取

2．4．1 时域分析

2．4．2 频域分析

2．5 连续小波变换

2．6 离散小波变换

2．7 小波包分析

2．8 小波分析在信号处理中的应用

2．8．1 信号突变部分的检测

2．8．2 信号降噪仿真

2．9 神经网络的发展

2．10 BP网络的基本结构

2．11 BP网络与故障模式识别

2．12 应用BP网络诊断实例

2．13 本章小结

第三章 改进的小波神经网络

3．1 小波神经网络

3．1．1 小波神经网络的基本结构

3．1．2 小波神经网络的学习算法

3．2 改进的小波神经网络

3．2．1 小波包分解的改进算法

3．2．2 小波网络误差反传算法改进

3．3 本章小结

第四章 基于改进小波神经网络的滚动轴承故障诊断

4．1 试验数据采集

4．2 小波网络结构设计

4．2．1 输入层和输出层的设计

4．2．2 隐含层及节点的选择

4．2．3 初始值的选择

4．3 数据的规范化处理

4．4 基于改进小波神经网络的滚动轴承故障诊断

4．5 本章小结

第五章 总结与期望

参考文献

硕士期间撰写论文

致谢