我有文档网-共享优质文档

汇聚行业资料
共享价值文档

[68页]基于经验模态分解与BP神经网络的滚动轴承故障诊断.pdf

 

下载须知

【文章简介】摘要摘要当滚动轴承在非平衡载荷条件下工作时 ,承受交变应力的作用 ,是机械设备中容易 出现故障的部件之一 。滚动轴承使用寿命具有较大的离散性 ,其故障会严重影响机械设备的运行。由于滚动轴承的重要性和故障的频发性,所以需要对其进行状态监测和故障诊断 ,这也是国内外各个工程技术领域非常重视的研究方向。对滚动轴承振动信号进行分析是对其进行故障诊断的有效途径 ,而滚动轴承振动信号属于非平稳信号 , 因而采用EMD具有自适应性的经验模态分解( ) 方法对其进行分析,获取信号中包含的故障信息。首先 ,本文对滚动轴承的结构、失效形式、振动机理及其信号特征做了简要介绍,并对其特征频率及固有频率进行了计算。其次 ,对适用于分析滚动轴承非平稳振动信号的 EMD方法及对滚动轴承故障模式进行分类的BP神经网络进行了重点研究。E M D本文以 方法为分析手段 ,对滚动轴承振动信号进行处理 ,获取了与振动信号 相对应的若千个内禀模态 (IMF) 分量。由于 IM F 能量中包含轴承的故障信息,因此提取 IM F B能量作为信号的特征量对滚动轴承进行故障模式进行描述。 P 神经网络能够准 确识别故障原因 、区分故障类型 ,所以将其作为故障分类器对故障特征量进行识别和分类 。并重点讨论了采用EM D 方法和 B P 神经网络实现滚动轴承故障诊断的技术路径。 本文基于Matlab平台进行数值计算和仿真,并基于 LabView与 Matlab的混合编程 技术开发了滚动轴承故障监测与诊断系统 。系统中包含了数据采集 、轴承特征参数 、信E M D号处理、提取故障特征量、故障模式诊断等多个模块,系统能够对滚动轴承的工 况进行监测和诊断。 关键词.•滚动轴承,非平稳信号,EMD,IMF, B P 网络山东科技大学硕士学位论文摘要ABSTRACTNon-equilibrium loads act on rolling bearing and the bearing stands alternating stress,so this is one of the key components of mechanical equipment the bearing is prone to failure.The lifetime of rolling bearing is larger discrete, its failure seriously affects the operation of mechanical equipment.Due to the importance and the fault-prone of the rolling bearing,so it needs to monitor the condition and diagnose the fault of the rolling bearing,also,this is very concerned research direction of various technical fields in domestic and international. The method of analyzing the bearing vibration signal is an effective way to diagnose its faults,but the rolling bearing vibration signal is non-stationary signal,thus the vibration signal needs to be analyzed by EMD (empirical mode deco

上传第一篇文档,开启网赚之旅!

点击上传