【技术实现步骤摘要】
基于PNN-IFA的轴承故障诊断方法
本专利技术属于故障检测
,涉及一种基于PNN-IFA的轴承故障诊断方法。
技术介绍
煤矿综采设备作为一种集机械、电气、液压为一体的大型复杂工程机械,在实际工程生产中得到了广泛的应用,此类大型旋转机械中,最重要的机械零部件就是滚动轴承,它在机械传动中起固定和降低摩擦载荷系数的作用。但是由于受工作环境和条件的约束,在运行过程中,轴承更容易发生故障,引起的事故和停机检修更加频繁。因此,及时可靠地对轴承潜在的故障进行诊断,对于保障综采设备长久运行具有深远的意义。但是目前并没有能够将轴承故障精确诊断的方法能够有效的应用到该工程领域。
技术实现思路
本专利技术的目的是提供一种基于PNN-IFA的轴承故障诊断方法,能够提高轴承故障诊断的准确性。本专利技术所采用的技术方案是,基于PNN-IFA的轴承故障诊断方法,具体按照下述步骤进行:步骤1,构建PNN模型,设置PNN初值;在平滑因子参数范围内选择多个待选平滑因子,建立待选平滑因子参数集;采集多段综采设备不同故障状态时的轴承振动数据,并将轴承振动数据分为训练集和测试集;提取每段轴承振动数据的故障特征向量;步骤2,将平滑因子参数集中第一个待选平滑因子作为平滑因子,通过PNN模型计算该平滑因子对应的轴承振动向量诊断结果的准确率;步骤3,根据轴承振动向量诊断结果的准确率计算该平滑因子对应的准确率的亮度;步骤4,将下一个待选平滑因子作为平滑因子,重复步骤2-3,至计算出所有待选平滑因子对应的准确率的亮度;步骤5,将待选平滑因子作为萤火虫个体,将每个待选平滑因子对应的准确率的亮度作为萤火虫的位 ...
【技术保护点】
1.基于PNN‑IFA的轴承故障诊断方法,其特征在于,具体按照下述步骤进行:步骤1,构建PNN模型,设置PNN初值;在平滑因子参数范围内选择多个待选平滑因子,建立待选平滑因子参数集;采集多段综采设备不同故障状态时的轴承振动数据,并将所述轴承振动数据分为训练集和测试集;提取每段轴承振动数据的故障特征向量;步骤2,将平滑因子参数集中第一个待选平滑因子作为平滑因子,通过PNN模型计算该平滑因子对应的轴承振动向量诊断结果的准确率;步骤3,根据轴承振动向量诊断结果的准确率计算该平滑因子对应的准确率的亮度;步骤4,将下一个待选平滑因子作为平滑因子,重复步骤2‑3,至计算出所有待选平滑因子对应的准确率的亮度;步骤5,将待选平滑因子作为萤火虫个体,将每个待选平滑因子对应的准确率的亮度作为萤火虫的位置信息,通过萤火虫算法得到最优的待选平滑因子;步骤6,将最优的待选平滑因子作为平滑因子,将测试集中的每个轴承振动数据的故障特征向量输入至PNN模型中进行故障诊断。
【技术特征摘要】
1.基于PNN-IFA的轴承故障诊断方法,其特征在于,具体按照下述步骤进行:步骤1,构建PNN模型,设置PNN初值;在平滑因子参数范围内选择多个待选平滑因子,建立待选平滑因子参数集;采集多段综采设备不同故障状态时的轴承振动数据,并将所述轴承振动数据分为训练集和测试集;提取每段轴承振动数据的故障特征向量;步骤2,将平滑因子参数集中第一个待选平滑因子作为平滑因子,通过PNN模型计算该平滑因子对应的轴承振动向量诊断结果的准确率;步骤3,根据轴承振动向量诊断结果的准确率计算该平滑因子对应的准确率的亮度;步骤4,将下一个待选平滑因子作为平滑因子,重复步骤2-3,至计算出所有待选平滑因子对应的准确率的亮度;步骤5,将待选平滑因子作为萤火虫个体,将每个待选平滑因子对应的准确率的亮度作为萤火虫的位置信息,通过萤火虫算法得到最优的待选平滑因子;步骤6,将最优的待选平滑因子作为平滑因子,将测试集中的每个轴承振动数据的故障特征向量输入至PNN模型中进行故障诊断。2.根据权利要求1所述的基于PNN-IFA的轴承故障诊断方法,其特征在于,所述多段轴承振动数据中包括轴承正常运行时的振动数据、轴承内圈故障时的振动数据、轴承滚动体故障时的振动数据和轴承外圈故障时的振动数据。3.根据权利要求1所述的基于PNN-IFA的轴承故障诊断方法,其特征在于,所述步骤1中提取每段轴承振动数据的故障特征向量具体按照下述方法进行:步骤1.1,将每段轴承振动数据中的所有振动信号作为一组振动信号,得到多组振动信号;步骤1.2,将每组振动信号中的每个振动信号均进行EMD处理成为确定中心频率和带宽的模态分量,并将每组的多个模态通过EMD包络谱选取其中频率值和故障特征频率最接近的模态分量作为最优模态分量;步骤1.3,分别计算每个最优模态分量的故障特征向量,具体按照下述方法进行:在时域分析下提取每个模态分量的均方根值、峭度值、偏度值,在频域分析下提取每个模态分量的均值频率、频率散度、样本熵和排列熵,然后将均方根值、峭度值、偏度值、均值频率、频率散度,样本熵和排列熵组成轴承故障特征向量;其中均方根值按照下式得到:其中,x为原始信号,N为样本个数;峭度按照下式得到:式中,σx为信号的标准差;偏度值按照下式得到...
【专利技术属性】
技术研发人员:宋玉琴,师少达,邓思成,
申请(专利权)人:西安工程大学,
类型:发明
国别省市:陕西,61
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。