一种基于改进小波神经网络的滚动轴承的故障检测方法技术
【技术实现步骤摘要】
一种基于改进小波神经网络的滚动轴承的故障检测方法
：本专利技术属于滚动轴承的故障诊断方法，特别涉及一种基于改进小波神经网络的滚动轴承的故障检测方法。
技术介绍
：滚动轴承起支承传动轴及轴上零件的作用，并保持轴的正常工作位置和旋转精度，其特点是有较好的机械效率，在机械设备运转过程中能保持较低的功率消耗，且起动性能好、有很好的精度和转速，能满足多种机械设备的运转要求、使用寿命较长、结构紧凑、体积小、重量轻，安装拆卸方便、易于维修和保养。滚动轴承是在航空旋转机械中应用最为广泛的机械零件之一，在机械设备中起着承受及传递载荷的作用，其运行状态对整台机器的工作状态有很大影响。如果滚动轴承发生故障会造成严重的破坏事故。因而研究滚动轴承的故障检测和诊断技术，对于避免重大事故、减少人力物力损失等具有重要的理论研究价值和实际应用意义。在滚动轴承的故障诊断领域，目前普遍采用基于Fourier变换的谱分析技术和时频统计量分析方法对整个轴承系统的振动情况进行分析。Fourier变换的实质是把波形分解成许多不同频率的正弦波的叠加，对于确知信号和平稳随机过程，Fourier变换在信号分析和信号...
【技术保护点】
一种基于改进小波神经网络的滚动轴承的故障检测方法，利用小波包分解后各频段能量的分布作为特征向量输入神经网络，利用改进的小波神经网络完成滚动轴承故障模式的识别，其特征在于：该方法包括以下步骤：步骤一：小波函数的选取，首先利用Morlet小波对滚动轴承振动信号x(t)进行3层小波包分解，分别提取第3层从低频到高频6个频率成分的信号特征，振动信号经小波包分解可得到其在各频带内成分的特征，即各低频和高频系数；步骤二：重构小波包分解系数，求取个频带的信号能量，即将各个小波包分解系数做选择性重构，提取各频带范围的信号，提取和故障相关的几个频带进行重构，剔除主振动分量和干扰项；步骤三：构...
【技术特征摘要】
1.一种基于改进小波神经网络的滚动轴承的故障检测方法，利用小波包分解后各频段能量的分布作为特征向量输入神经网络，利用改进的小波神经网络完成滚动轴承故障模式的识别，其特征在于：该方法包括以下步骤：步骤一：小波函数的选取，首先利用Morlet小波对滚动轴承振动信号x(t)进行3层小波包分解，分别提取第3层从低频到高频6个频率成分的信号特征，振动信号经小波包分解可得到其在各频带内成分的特征，即各低频和高频系数；步骤二：重构小波包分解系数，求取个频带的信号能量，即将各个小波包分解系数做选择性重构，提取各频带范围的信号，提取和故障相关的几个频带进行重构，剔除主振动分量和干扰项；步骤三：构造特征向量，按尺度...
【专利技术属性】
技术研发人员：赵新辉，于广滨，李刚，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。