热门关键词:

基于模糊RBF神经网络的滚动轴承故障诊断

  • 该文件为pdf格式
  • 文件大小:224.98KB
  • 浏览次数
  • 发布时间:2014-10-19
文件介绍:

本资料包含pdf文件1个,下载需要1积分

滚动轴承作为旋转机械的重要部件,其工作状态的正常与否直接关系到整个机械的安全运行。因此对其故障诊断技术的研究,具有非常重要的现实意义。滚动轴承的故障诊断是-个典型的模式识别问题,其常见的故障类型有外圈裂纹、内圈点蚀、滚动体点蚀等,这些故障的出现涉及多因素的相互作用,存在大量的模糊性,其评价因子与故障类型之间的关系是复杂的、非线性的。现有的诊断方法包括模糊评价法、人工神经网络法等。糊糊评价法能很好的进行模糊知识的表达,但其常常需要依据专家的经验知识来确定评价因子的权重,因而评价结果的客观性会受到- 定影响 ;人工神经网络是-种对人类大脑神经系统物理结构的模拟,具有多种网络形式,其拥有极强的自学、容错、逼近任意非线性函数的能力,但表达模糊信息的能力较弱,其中 RBF神经网络因其网络结构简单、鲁棒性强、收敛速度快、避免了局部极小问题等优点,在多领域得到广泛应用 。

笔者结合模糊评价和 RBF神经网络的优点,构建了-种新的滚动轴承故障诊断模型,并运用实测数据进行网络的训练和测试,结果表明该模型客观准确,能够有效识别滚动轴承的故障类型。

2 模糊 RBF神经网络模型的构建该模型的建立主要包括选取评价因子,确定模糊化隶属函数和 RBF网络结构三个部分。

2.1 评价因子的选取传统的滚动轴承故障诊断方法常选用轴承振动信号的时域或频域指标作为诊断的评价因子,如峭度、均方根值、脉冲因子、特征频率幅值等。但由于振动信号的复杂性和不稳定性,使得通过上述两种指标很难实现对故障的正确诊断。作为时-频域分析方法的小波变换,因其去相关性、地熵性、样灵活性等特点,很适合用来处理不平稳的故障振动信号 j。

因此笔者选用小波包分解法 ,利用小波函数对振动信号进行 3层小波包分解 ,随后对系数进行重构,进而提取各频带的信号能量 ,并进行归-化处理,这样便可获得 8个参数值作为故障诊断的评价因子 。

2.2 模糊化隶属函数的建立滚动轴承的故障程度是-个模糊概念,选取大”、中”、斜3个模糊子集对评价因子进行模糊化,其正态分布型隶属度函数分别如式(1)~(3)所示 :), :1-e x -a 2 >。 (1)L 0 ≤ a收稿 日期:2013-03-05作者简介:孙旺旺(1987-),男 ,安徽阜阳人,在读硕士,研究方向:机械故障诊断与识别。

· 13·· 机械研究与应用 ·2013年第2期(第26卷,总第124期) 研究与分析振幅 Y和振动频率 为已知量,代入式(15)中计算出振动加速度~总参振质量和振动加速度代人式(14)可计算出惯性力。

4.5 阻尼力的确定振动机械在工作过程中受到的阻尼力较为复杂,包括材料阻尼、摩擦阻尼、空气阻尼等,钢铁的材料阻尼和空气阻尼相对于支撑弹簧的材料阻尼和构件间的摩擦阻尼来说比较小,分析时可忽略其影响,只考虑弹簧的阻尼和摩擦阻尼 。

工程中考虑阻尼时,根据粘性阻尼原理确定其大小,阻尼力等于阻尼系数与振动体振动速度的乘积。

ywcos(tot ) (17)式中:Y为振动体振幅; 为相位角;∞为振动体的工作频率。

Y和 皆为定值,因此振动体的运动速度为已知量,阻尼力的大婿定于阻尼系数。阻尼系数的确定要考虑两方面的问题:(1)为避免振动机械启动阶段发生过大共振,阻尼系数不宜太校(2)为避免动载荷对地基的传递率过大,同时也为降低功率消耗,阻尼系数不宜太大。

: 0.5c÷ /(kM) (18)推荐取值为 0.08~0.1。刚度系数 k可以根据式(12)确定,质量 是总参振质量,带入式(18)算出阻尼系数 C~阻尼系数 c和振动速度 带入式(16)可得系统阻尼力 。

5 结 论本文论述了惯性往复振动机械工作过程中所承受的载荷种类及其大小的确定方法,为建立更为精确的力学模型和进行机构动力学分析、结构动力学分析以及为该类机械进行优化设计等过程中正确施加载荷提供理论依据,对该类机械的设计具有重要指导意义,同时也可为其他类型机械的载荷分析提供参考。

正在加载...请等待或刷新页面...
发表评论
验证码 验证码加载失败