基于MIV特征筛选和BP神经网络的滚动轴承故障诊断技术研究
|
摘要
滚动轴承是旋转机械中比较常见的而且易损坏的部件,轴承的好坏对机器的工作状况影响很大。它的运行状态直接影响整台机器的性能,一旦发生故障就成为引起机械设备失效的重要原因,据统计旋转机械的故障有30%是由轴承引起的。因此,对滚动轴承的状态监测和故障诊断是机械设备故障诊断的重要研究内容。在设备故障诊断中,构成故障的特征空间是非常复杂的非线性关系,很难建立数学模型。人工神经网络能够映射任意复杂的非线性关系,具有自学习、自组织和自适应等特征,被广泛地应用于机械故障诊断中。本文提出了MIV算法,时/频域分析法和BP神经网络算法对滚动轴承做了故障诊断。主要研究了以下内容：
首先,介绍了滚动轴承的结构特征以及产生的故障原因,以及人工神经网络的基本知识,选取BP神经网络做滚动轴承故障诊断的原因。设计了滚动轴承的信号采集系统,采集并处理了正常轴承、内圈故障轴承、外圈故障轴承、滚动体故障轴承的振动数据,作为基于BP神经网络的滚动轴承故障诊断实验仿真的数据样本。
其次,结合BP神经网络和MIV算法对常用的时域特征参数和频域特征参数做了特征筛选,根据仿真结果即MIV值的大小,得到8个敏感故障特征参量,即他们更能反映故障特征。之后选用时域、频域分析法,分别分析这8个特征参量的对故障特征的敏感程度,得到方差、均方根值、峰值、裕度因子、总功率谱和以及峭度系数对故障最为敏感,并确定为BP神经网络的输入。
再次,设计了对滚动轴承做故障诊断的BP神经网络的结构。确定了BP神经网络的结构参数,分析了BP神经网络的结构参数的设置对网络性能的影响。主要包括：激活函数、学习算法、数据预处理方法、网络初始权值以及期望误差的选取,输入神经元、隐层节点数、网络学习率和训练系数对网络性能的影响情况。
最后,利用前文的实测的滚动轴承的数据,以及设计好的BP神经网络故障诊断系统,对滚动轴承做了故障诊断仿真实验。确定了训练样本和预测样本,完成了对轴承的故障诊断和分类,并求取了分类误差率。仿真研究结果表明了诊断系统的有效性,验证了BP神经网络对滚动轴承做故障诊断的可行性,诊断效果良好。
Rolling bearing is a very common and easily damaged part in rotating machinery. The quality of the bearing impacts badly the working conditions of machine. It directly affected the operational status of the performance of the whole machine, and its failure becomes a major cause of the failure of the whole machinery, in statistics,30% of machines' failure is caused by bearings. Therefore, bearing condition monitoring and fault diagnosis of machinery fault diagnosis is an important research. In fault diagnosis, Fault space is very complicated, and difficult to build mathematical models. But the artificial neural network can reflect the complexity of the linear relationship. Artificial neural network has self-learning, self-organizing, adaptive features, is widely applied to machinery fault diagnosis. In this paper,
In this paper, the MIV method, time/frequency domain analysis method and BP neural network algorithm was maked the rolling bearing fault diagnosis. The following main elements:
First, I introduce the bearing structure and the cause of the malfunction, and the basic knowledge of artificial neural networks. I designed a data acquisition system, And collecting the normal bearing, failure bearing inner ring, outer ring fault bearings, rolling element bearing fault vibration data.
Secondly, I selected the fault parameters, as the neural network input. Including the variance, RMS, peak, margin factor, and the total power spectrum and the kurtosis coefficient
Again, I designed a roller bearing fault diagnosis system, analysis of the coefficient on the impact of network performance.
Finally, I complete the simulation of fault diagnosis. Strike the classification error rate.
首先,介绍了滚动轴承的结构特征以及产生的故障原因,以及人工神经网络的基本知识,选取BP神经网络做滚动轴承故障诊断的原因。设计了滚动轴承的信号采集系统,采集并处理了正常轴承、内圈故障轴承、外圈故障轴承、滚动体故障轴承的振动数据,作为基于BP神经网络的滚动轴承故障诊断实验仿真的数据样本。
其次,结合BP神经网络和MIV算法对常用的时域特征参数和频域特征参数做了特征筛选,根据仿真结果即MIV值的大小,得到8个敏感故障特征参量,即他们更能反映故障特征。之后选用时域、频域分析法,分别分析这8个特征参量的对故障特征的敏感程度,得到方差、均方根值、峰值、裕度因子、总功率谱和以及峭度系数对故障最为敏感,并确定为BP神经网络的输入。
再次,设计了对滚动轴承做故障诊断的BP神经网络的结构。确定了BP神经网络的结构参数,分析了BP神经网络的结构参数的设置对网络性能的影响。主要包括：激活函数、学习算法、数据预处理方法、网络初始权值以及期望误差的选取,输入神经元、隐层节点数、网络学习率和训练系数对网络性能的影响情况。
最后,利用前文的实测的滚动轴承的数据,以及设计好的BP神经网络故障诊断系统,对滚动轴承做了故障诊断仿真实验。确定了训练样本和预测样本,完成了对轴承的故障诊断和分类,并求取了分类误差率。仿真研究结果表明了诊断系统的有效性,验证了BP神经网络对滚动轴承做故障诊断的可行性,诊断效果良好。
Rolling bearing is a very common and easily damaged part in rotating machinery. The quality of the bearing impacts badly the working conditions of machine. It directly affected the operational status of the performance of the whole machine, and its failure becomes a major cause of the failure of the whole machinery, in statistics,30% of machines' failure is caused by bearings. Therefore, bearing condition monitoring and fault diagnosis of machinery fault diagnosis is an important research. In fault diagnosis, Fault space is very complicated, and difficult to build mathematical models. But the artificial neural network can reflect the complexity of the linear relationship. Artificial neural network has self-learning, self-organizing, adaptive features, is widely applied to machinery fault diagnosis. In this paper,
In this paper, the MIV method, time/frequency domain analysis method and BP neural network algorithm was maked the rolling bearing fault diagnosis. The following main elements:
First, I introduce the bearing structure and the cause of the malfunction, and the basic knowledge of artificial neural networks. I designed a data acquisition system, And collecting the normal bearing, failure bearing inner ring, outer ring fault bearings, rolling element bearing fault vibration data.
Secondly, I selected the fault parameters, as the neural network input. Including the variance, RMS, peak, margin factor, and the total power spectrum and the kurtosis coefficient
Again, I designed a roller bearing fault diagnosis system, analysis of the coefficient on the impact of network performance.
Finally, I complete the simulation of fault diagnosis. Strike the classification error rate.
引文
[1]周成宝.基于RBF神经网络的矿井提升机故障诊断研究.哈尔滨工程大学 哈尔滨工程大学.2009
[2]于婷婷.基于BP神经网络的滚动轴承故障诊断方法.大连理工大学 大连理工大学.2008
[3]李兴林,张仰平,曹茂来等.滚动轴承故障监测诊断技术应用进展.工程与试验,2009,49(4)：6
[4]王敬涛,邓东花.基于概率神经网络的滚动轴承故障诊断.现代电子技术,2010,33(20)：147-149
[5]周政.BP神经网络的发展现状综述.山西电子技术,2008(2)：3
[6]吴秋明.基于RBF神经网络的故障诊断.江苏大学江苏大学.2006
[7]2010 Mechefske C K. Objective Machinery Fault Diagnosis Using Fuzzy Logic[J]. Mechanical Systems and Signal Processing.1998,12(6):855-862.
[8]Zhang H., Wang S., Zhang Q et al. The research on rolling element bearing fault diagnosis based on wavelet packets transform[J].0-7803-7906-3/03 2003, IEEE.
[9]魏秀业,潘宏伙,马清峰等.粒子群优化的神经网络在故障诊断中的应用.振动、测试与诊断,2006,26(2)：5
[10]徐芃,徐士进,尹宏伟等.有杆抽油系统故障诊断的人工神经网络方法.石油学报,2006,27(2)：4
[11]刘冬生.基于小波分析和神经网络的电机故障诊断系统研究.天津理工大学.2008
[12]杭秋丽.基于BP神经网络的模拟电路故障诊断研究.大连理工大学.2008
[13]舒苗淼.基于振动信号的柴油机小波神经网络故障诊断研究.中北大学.2009
[14]胡波.基于粗糙集理论与BP神经网络结合的火电厂风机故障诊断研究.太原理工大学.2008
[15]梁平,白蕾,龙新峰等.基于小波包分析及神经网络的汽轮机转子振动故障诊断.控制理论与应用,2007,24(6)：5
[16]张维新.基于小波分析与神经网络的轴承故障诊断研究.天津大学.2008
[17]孙士慧.基于小波神经网络的设备故障诊断方法研究.中国石油大学(华东).2008
[18]2009 Peng Chen, Masatoshi Taniguchi, Toshio Toyota, Zhengja He. Fault diagnosis method for machinery in unsteady operating condition by instantaneous power spectrum and genetic programming. Mechanical Systems and Signal Processing 19(2005)175-194
[19]郭涛.人工神经网络在汽车发动机故障诊断应用中的比较研究.东北大学 东北大学.2008
[20]李建光.人工神经网络在斜拉桥检测中的应用研究.合肥工业大学 合肥工业大学.2003
[21]3 Rubini R, Meneghetti U. Application of the Envelope and Wavelet Transform Analyses for the Diagnosis of Incipient Faults in Ball Bearings[J]. Mechanical Systems and Signal Processing. 2001,15(2):287-302.
[22]沈如防.神经网络规则提取及其在转子故障诊断中的应用研究.南京航空肮天大学.2008
[23]丁小波.商业银行中的数据挖掘应用.东南大学 东南大学.2009
[24]李俊卿,李兴林,张琳娜等.汽车交流发电机轴承故障诊断实例.轴承,2010(5)
[25]陈季云.石油钻井传动滚动轴承的振动信号分析与故障诊断.江苏大学 江苏大学.2007
[26]岳勇.BP人工神经网络在结核病防治中的应用研究.重庆医科大学重庆医科大学.2006
[27]陆幼青.基于神经网络的模拟电路故障诊断DSP系统的设计与实现.中北大学.2007
[28]黄文生,李东侠,陆卫忠等.基于BP神经网络的故障诊断仿真研究.电子工程师,2006,32(6)： 3
[29]胡婧.基于BP神经网络的滚动轴承缺陷诊断研究.华中科技大学 华中科技大学.2006
[30]王光研.基于RBF神经网络的旋转机械故障诊断.北京信息科技大学.2007
[31]2008 C.James Li and Jun Ma. Wavelet decomposition vibration for detection of bearing-localized defects[J].NDT&Ineternational,1997,30(3):143-149.
[32]2009 Liao Wei,Han Pu. Wavelet Neural Network Aided On-line Detection and Diagnosis of Rotating Machine Fault[J]. Control and Decision Conference,2-4 July 2008,Page(s):1868-1871.
[33]梁鹏鹏.滚动轴承故障诊断试验样机的开发.北方工业大学 北方工业大学.2008
[34]汪林海.滚动轴承在线故障诊断冲击脉冲计.上海大学 上海大学.2009
[35]刘善勇.基于神经网络的AGC系统液压缸内泄漏故障诊断方法的研究.东北大学 东北大学.2004
[36]李玉峰.基于神经网络的柴油机燃油系统故障诊断的研究和实现.山东大学.2007
[37]韩晓静.基于小波变换与神经网络的电力电子电路故障诊断研究.南京航空航天大学.2008
[38]2008 Jiang Hongkai, He Zhengjia, Duan Chendong, Chen Peng. Gearbox fault diagnosis using adaptive redundant Lifting Scheme. Mechanical Systems and Signal Processing 20 (2006) 1992-2006
[39]熊健.基于振动信号分析和神经网络的齿轮箱故障诊断技术研究.中北大学.2008
[40]黄媛.改进的小波神经网络在旋转机械故障诊断中的应用研究.武汉理工大学.2009
[41]胡婧,杨曙年.基于BP神经网络的滚动轴承故障诊断研究.机械与电子,2006(4)：9-11
[42]林玮,方开翔.滚动轴承故障诊断的实验研究.噪声与振动控制,2008,28(3)：71-73
[43]戴静君,刘丽华,薛庆齐等.滚动轴承故障诊断中振动信号的采集.北京石油化工学院学报,2008,16(2)：23-26
[44]柯英宇.旋转机械故障诊断实验台的研究.北京化工大学.2008
[45]臧刚权.基于频域特征参数曲线拟合法的柴油机故障诊断.农机使用与维修,2007(1)：2
[46]刘永阔,夏虹,谢春丽等.BP-RBF神经网络在核电厂故障诊断中的应用.原子能科学技术,2008,42(3)：7
[47]时建峰.基于时、频域-小波分析和神经网络方法的齿轮箱故障诊断研究.太原理工大学.2008
[48]袁海英.基于时频分析和神经网络的模拟电路故障诊断及可测性研究.电子科技大学.2006
[49]李贵男,段壮志, L. I. Gui-nan等.基于BP神经网络的挖掘机智能故障诊断知识库设计.湖南工程学院学报(自然科学版),2009,19(4)：4
[50]王政,吴运新,黄神富.基于BP神经网络的摊铺机智能故障诊断.机械工程与自动化,2004(6)：4
[51]王笑宇.基于BP神经网络的感应电动机故障诊断技术研究.桂林理工大学.2009
[52]杨勇.EMD和模糊神经网络在滚动轴承故障诊断中的研究与应用.太原理工大学 太原理工大学.2008
[53]许娟.基于神经网络的机械振动故障诊断系统设计.沈阳工业大学.2007
[54]张俊.基于小波分形和神经网络的滚动轴承故障诊断.北京交通大学.2009
[55]刘占涛.大型装备系统状态监测及故障诊断集成方法研究.北京化工大学 北京化工大学.2009
[56]陈鹏.基于神经网络的滚动轴承故障诊断方法研究与应用.四川大学 四川大学.2006
[57]杜华英,赵跃龙等.人工神经网络典型模型的比较研究.计算机技术与发展,2006,16(5)：
[58]林选.基于小波包和EMD相结合的电机轴承故障诊断.太原理工大学 太原理工大学.
[59]Kaewkongka T, Au Y H J, Rakowski R. Continuous Wavelet Transform and Neutral Network for Condition Monitoring of Ro to-dynamic Machinery [J]. IEEE Instrumentation and Measurement Technology Conference. Budapest, Hungary, May21-23,2001.
[60]戴利雄.基于模糊神经网络的智能故障诊断技术研究.大连海事大学.2009
[61]王玉雷.基于粒子群优化RBF神经网络的柴油机故障诊断研究.中北大学.
[62]时志素.基于神经网络方法的齿轮箱故障诊断研究.河北科技大学.
[63]彭涛.人工神经网络房地产价格评估模型的研究及应用.长安大学 长安大学.
[64]马吉臣.基于小波神经网络的导航传感器故障诊断技术研究.哈尔滨工程大学.
[2]于婷婷.基于BP神经网络的滚动轴承故障诊断方法.大连理工大学 大连理工大学.2008
[3]李兴林,张仰平,曹茂来等.滚动轴承故障监测诊断技术应用进展.工程与试验,2009,49(4)：6
[4]王敬涛,邓东花.基于概率神经网络的滚动轴承故障诊断.现代电子技术,2010,33(20)：147-149
[5]周政.BP神经网络的发展现状综述.山西电子技术,2008(2)：3
[6]吴秋明.基于RBF神经网络的故障诊断.江苏大学江苏大学.2006
[7]2010 Mechefske C K. Objective Machinery Fault Diagnosis Using Fuzzy Logic[J]. Mechanical Systems and Signal Processing.1998,12(6):855-862.
[8]Zhang H., Wang S., Zhang Q et al. The research on rolling element bearing fault diagnosis based on wavelet packets transform[J].0-7803-7906-3/03 2003, IEEE.
[9]魏秀业,潘宏伙,马清峰等.粒子群优化的神经网络在故障诊断中的应用.振动、测试与诊断,2006,26(2)：5
[10]徐芃,徐士进,尹宏伟等.有杆抽油系统故障诊断的人工神经网络方法.石油学报,2006,27(2)：4
[11]刘冬生.基于小波分析和神经网络的电机故障诊断系统研究.天津理工大学.2008
[12]杭秋丽.基于BP神经网络的模拟电路故障诊断研究.大连理工大学.2008
[13]舒苗淼.基于振动信号的柴油机小波神经网络故障诊断研究.中北大学.2009
[14]胡波.基于粗糙集理论与BP神经网络结合的火电厂风机故障诊断研究.太原理工大学.2008
[15]梁平,白蕾,龙新峰等.基于小波包分析及神经网络的汽轮机转子振动故障诊断.控制理论与应用,2007,24(6)：5
[16]张维新.基于小波分析与神经网络的轴承故障诊断研究.天津大学.2008
[17]孙士慧.基于小波神经网络的设备故障诊断方法研究.中国石油大学(华东).2008
[18]2009 Peng Chen, Masatoshi Taniguchi, Toshio Toyota, Zhengja He. Fault diagnosis method for machinery in unsteady operating condition by instantaneous power spectrum and genetic programming. Mechanical Systems and Signal Processing 19(2005)175-194
[19]郭涛.人工神经网络在汽车发动机故障诊断应用中的比较研究.东北大学 东北大学.2008
[20]李建光.人工神经网络在斜拉桥检测中的应用研究.合肥工业大学 合肥工业大学.2003
[21]3 Rubini R, Meneghetti U. Application of the Envelope and Wavelet Transform Analyses for the Diagnosis of Incipient Faults in Ball Bearings[J]. Mechanical Systems and Signal Processing. 2001,15(2):287-302.
[22]沈如防.神经网络规则提取及其在转子故障诊断中的应用研究.南京航空肮天大学.2008
[23]丁小波.商业银行中的数据挖掘应用.东南大学 东南大学.2009
[24]李俊卿,李兴林,张琳娜等.汽车交流发电机轴承故障诊断实例.轴承,2010(5)
[25]陈季云.石油钻井传动滚动轴承的振动信号分析与故障诊断.江苏大学 江苏大学.2007
[26]岳勇.BP人工神经网络在结核病防治中的应用研究.重庆医科大学重庆医科大学.2006
[27]陆幼青.基于神经网络的模拟电路故障诊断DSP系统的设计与实现.中北大学.2007
[28]黄文生,李东侠,陆卫忠等.基于BP神经网络的故障诊断仿真研究.电子工程师,2006,32(6)： 3
[29]胡婧.基于BP神经网络的滚动轴承缺陷诊断研究.华中科技大学 华中科技大学.2006
[30]王光研.基于RBF神经网络的旋转机械故障诊断.北京信息科技大学.2007
[31]2008 C.James Li and Jun Ma. Wavelet decomposition vibration for detection of bearing-localized defects[J].NDT&Ineternational,1997,30(3):143-149.
[32]2009 Liao Wei,Han Pu. Wavelet Neural Network Aided On-line Detection and Diagnosis of Rotating Machine Fault[J]. Control and Decision Conference,2-4 July 2008,Page(s):1868-1871.
[33]梁鹏鹏.滚动轴承故障诊断试验样机的开发.北方工业大学 北方工业大学.2008
[34]汪林海.滚动轴承在线故障诊断冲击脉冲计.上海大学 上海大学.2009
[35]刘善勇.基于神经网络的AGC系统液压缸内泄漏故障诊断方法的研究.东北大学 东北大学.2004
[36]李玉峰.基于神经网络的柴油机燃油系统故障诊断的研究和实现.山东大学.2007
[37]韩晓静.基于小波变换与神经网络的电力电子电路故障诊断研究.南京航空航天大学.2008
[38]2008 Jiang Hongkai, He Zhengjia, Duan Chendong, Chen Peng. Gearbox fault diagnosis using adaptive redundant Lifting Scheme. Mechanical Systems and Signal Processing 20 (2006) 1992-2006
[39]熊健.基于振动信号分析和神经网络的齿轮箱故障诊断技术研究.中北大学.2008
[40]黄媛.改进的小波神经网络在旋转机械故障诊断中的应用研究.武汉理工大学.2009
[41]胡婧,杨曙年.基于BP神经网络的滚动轴承故障诊断研究.机械与电子,2006(4)：9-11
[42]林玮,方开翔.滚动轴承故障诊断的实验研究.噪声与振动控制,2008,28(3)：71-73
[43]戴静君,刘丽华,薛庆齐等.滚动轴承故障诊断中振动信号的采集.北京石油化工学院学报,2008,16(2)：23-26
[44]柯英宇.旋转机械故障诊断实验台的研究.北京化工大学.2008
[45]臧刚权.基于频域特征参数曲线拟合法的柴油机故障诊断.农机使用与维修,2007(1)：2
[46]刘永阔,夏虹,谢春丽等.BP-RBF神经网络在核电厂故障诊断中的应用.原子能科学技术,2008,42(3)：7
[47]时建峰.基于时、频域-小波分析和神经网络方法的齿轮箱故障诊断研究.太原理工大学.2008
[48]袁海英.基于时频分析和神经网络的模拟电路故障诊断及可测性研究.电子科技大学.2006
[49]李贵男,段壮志, L. I. Gui-nan等.基于BP神经网络的挖掘机智能故障诊断知识库设计.湖南工程学院学报(自然科学版),2009,19(4)：4
[50]王政,吴运新,黄神富.基于BP神经网络的摊铺机智能故障诊断.机械工程与自动化,2004(6)：4
[51]王笑宇.基于BP神经网络的感应电动机故障诊断技术研究.桂林理工大学.2009
[52]杨勇.EMD和模糊神经网络在滚动轴承故障诊断中的研究与应用.太原理工大学 太原理工大学.2008
[53]许娟.基于神经网络的机械振动故障诊断系统设计.沈阳工业大学.2007
[54]张俊.基于小波分形和神经网络的滚动轴承故障诊断.北京交通大学.2009
[55]刘占涛.大型装备系统状态监测及故障诊断集成方法研究.北京化工大学 北京化工大学.2009
[56]陈鹏.基于神经网络的滚动轴承故障诊断方法研究与应用.四川大学 四川大学.2006
[57]杜华英,赵跃龙等.人工神经网络典型模型的比较研究.计算机技术与发展,2006,16(5)：
[58]林选.基于小波包和EMD相结合的电机轴承故障诊断.太原理工大学 太原理工大学.
[59]Kaewkongka T, Au Y H J, Rakowski R. Continuous Wavelet Transform and Neutral Network for Condition Monitoring of Ro to-dynamic Machinery [J]. IEEE Instrumentation and Measurement Technology Conference. Budapest, Hungary, May21-23,2001.
[60]戴利雄.基于模糊神经网络的智能故障诊断技术研究.大连海事大学.2009
[61]王玉雷.基于粒子群优化RBF神经网络的柴油机故障诊断研究.中北大学.
[62]时志素.基于神经网络方法的齿轮箱故障诊断研究.河北科技大学.
[63]彭涛.人工神经网络房地产价格评估模型的研究及应用.长安大学 长安大学.
[64]马吉臣.基于小波神经网络的导航传感器故障诊断技术研究.哈尔滨工程大学.