设备故障趋势预测的分析与应用

摘要

研究了设备故障趋势的预测方法,介绍了非线性自回归模型,提出将BP神经网络与非线性自回归模型相结合,针对实验室JZQ250型齿轮箱的测试系统建立了基于振动信号的神经网络预测模型.采用MATLAB软件中自带的神经网络工具箱,利用模块化的编程思想,编程实现了神经网络预测模型,并利用实验室数据的峭度指标进行了实验.首先给出网络的输入及对应的目标输出,然后经过训练获得网络的权值和阈值,最终构建齿轮箱故障趋势的预测神经网络,用来预测齿轮箱的故障趋势.结果表明,该模型能够有效地短期预测齿轮箱的典型故障,可以用于齿轮箱的故障诊断.