基于小波包和改進BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法

摘 要： 為了改進BP神經(jīng)網(wǎng)絡(luò)進行滾動軸承故障診斷時，網(wǎng)絡(luò)存在收斂速度慢、易于陷入局部極小點的缺點。應(yīng)用基于Levenberg?Marquardt法對BP網(wǎng)絡(luò)進行改進，實現(xiàn)了改進后的BP神經(jīng)網(wǎng)絡(luò)結(jié)合小波包進行滾動軸承故障診斷的方法。首先，利用小波包多分辨率的特點對滾動軸承的振動信號進行分解和重構(gòu)，計算各子頻帶能量并進行歸一化，構(gòu)造特征向量。然后，將所得到的特征向量作為兩種BP神經(jīng)網(wǎng)絡(luò)的輸入，即改進后的BP神經(jīng)網(wǎng)絡(luò)和常規(guī)的BP神經(jīng)網(wǎng)絡(luò)。最后，對兩種網(wǎng)絡(luò)進行訓(xùn)練并測試，結(jié)合實驗數(shù)據(jù)驗證改進方法的可行性。實驗結(jié)果表明，改進后的BP神經(jīng)網(wǎng)絡(luò)不僅可行，同時提高了收斂速度和診斷的精確度。

關(guān)鍵字： 小波包； BP神經(jīng)網(wǎng)絡(luò)； Levenberg?Marquardt； 滾動軸承； 故障診斷

中圖分類號： TN911?34； TH133.33 文獻標識碼： A 文章編號： 1004?373X（2013）08?0013?04

0 引 言

滾動軸承作為旋轉(zhuǎn)機械設(shè)備的重要零部件之一，其運行狀態(tài)的好壞直接影響著整臺機器的正常運作[1]。由于長期的高載荷、高轉(zhuǎn)速、高沖擊運轉(zhuǎn)，使得滾動軸承極其容易損壞和發(fā)生故障。當故障發(fā)生時，小則影響工廠的經(jīng)濟效益，重則傷及工人的生命安全，所以對其進行故障診斷方法的研究具有十分重要意義。

滾動軸承振動信號具有非平穩(wěn)、突變性的特點。從本質(zhì)上來看，滾動軸承故障診斷過程就是一個模式分類問題，即通過提取的特征參數(shù)來判斷軸承當前所處的運行狀態(tài)。小波分析在時域和頻域上都具有表征信號局部特征的能力，小波包分析是從小波分析延伸出來的一種對信號進行更加細致的分析與重構(gòu)的方法。……