基于案例推理的滚动轴承故障诊断

发布时间：2020-07-14 07:10

【摘要】： 以滚动轴承故障诊断为应用背景,利用人工智能、故障诊断的理论和方法,研究并开发了一个滚动轴承故障诊断专家系统原型,以实现对滚动轴承故障的智能诊断。在深入研究常用的故障诊断智能技术以及基于案例推理方法的基础上,给出了基于案例推理的滚动轴承故障诊断专家系统的设计方案和原型系统。分析和研究了滚动轴承故障诊断领域知识特点和大量的故障维修日志,探讨了基于案例推理方法构造专家系统的关键技术,主要包括基于案例推理的知识工程以及案例检索技术。利用加速度传感器,检测滚动轴承的振动信号,采用小波包分析方法,对滚动轴承的振动信号进行分析,提取其故障能量特征向量,把这个特征向量作为案例的表示,构建案例库。在分析比较了VA-file方法,VA~+-file方法和小波多分辨率VA-file方法的特点的基础上,采用了基于小波变换的多分辨率VA-file方法构造滚动轴承故障案例库索引文件,即以小波变换后第一维分量作为主分量,并以主分量排序建立索引。该方法可以降低近似向量的访问数量,提高案例的检索速度和效率。最后,对滚动轴承故障诊断系统的需求进行了分析,在此基础上进行了总体结构和软件结构设计,并介绍了系统的部分功能模块。并就未来的工作做了展望。
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TH133.33
【图文】：

过程图,信号传递,过程,滚动轴承

经小波包分解后在某一层次上不同正交小波包空间上的故障特征频率谱一样，反映了滚动轴承运行状况对故障滚动轴承的振动信号进行分析—不同轴承【‘];接着，研究了小波分析用小波包来提取滚动轴承;用该向量作为案例的表示，构建案例库。承振动与信号的特征分析轴承在受载运转时，当缺陷部位与工作表面发生接触的作用。这种冲击力将激起轴承系统的振动，并通过动和声音的形式传出。信号传递过程如图3一1所示。器所拾取的振动信号所含成分比较复杂，损伤引起的成分。当损伤微小时，往往被其他信号淹没而难以被是突出这些损伤特征成分12]。频带随

小波变换,短时,冗余性,能量守恒定理

(即大的5>0)，窗会自动变宽，这意味着在低频带将有越来越高的频率分辨。通过改变尺度因子s和平滑因子b的数值，调节窗口的形状、位置，合理选取小波变换在时域和频域的分辨率，提取信号中位于感兴趣的频带和时段的信号成分，从而实现可调窗口的时、频局部分析。(2)小波变换相当于滤波器从信号处理的工程应用角度来看，小波变换相当于用滤波器组对信号进行波。与短时Fo丽er变换不同的是:短时F。丽e:变换相当于一系列等带宽滤波，而小波变换相当于一系列等百分比带宽滤波器，如图3一2所示。(3)小波变换是一个线性变换。(4)小波变换满足能量守恒定理，即信号通过小波变换时信息没有损失。(5)与短时Fo丽er变换(加窗Fourier变换)相同，小波变换是冗余的，种冗余性增加了分析与解释小波变换结果的困难。如何减少冗余性也是小波换技术中的主要问题。

三层,信号,正交基,小波包

l，2，…2‘一l:无=o，l，2…，j;j=o，l，2…。相应的正交基笼2(，一‘)/，、*十，(2，一‘t一l);l任Z}图3一3是信号x(O的小波分解分解(三层小波包分解)(3一24)(三层小波分解)，图3一4是信号x(O小波包 xxx(t)))八八盆 XXXXX0lxxx DDDZXXX AAA3XXXXXI}:毛 XXX图3一3信号x(O的小波分解(三层)

【相似文献】