废旧滚动轴承再制造质量评价方法

发布时间：2025-01-20 11:11

　　 滚动轴承作为长期处于高速、高负荷运行状态下的零部件,其再制造的质量将极大地影响再制造产品的寿命周期。对再制造后滚动轴承的4种状态进行测试,分析其产生的质量问题,并提出了一种基于小波包分解和BP神经网络相结合的滚动轴承再制造质量评价方法。首先对再制造后的滚动轴承进行不同状态下的振动信号采集,利用小波包分解对信号进行预处理,得到信号的能量特征;接着将此能量特征转化为特征向量并作为BP神经网络的输入,在经过训练后的网络中对其进行测试,从而来对信号进行识别,达到确定再制造轴承的质量状况的目的。

【文章页数】：4 页

【部分图文】：

图1 质量评价流程图

1评价流程质量评价流程如图1所示：通过再制造轴承试验台测试轴承的振动数据，来绘制信号的波形图。利用小波包分解对振动信号进行预处理，并提取分解后得到的子频带的能量特征作为特征向量。将该特征向量作为BP神经网络的输入向量，利用神经网络对样本进行训练，用训练后得到输出结果对其余样本进....

图2 小波包分解的二叉树

式（2）的小波包分解过程可以用图2所示的树形结构来表示，称为小波包分解的二叉树。因为小波包分解过程是可逆的，为了获得信号某些特定频段内的有效信息，将不需要的频段信号去掉，只对需要的信号进行小波包重构。利用二进小波包的快速算法对其进行重构，快速算法为：

图3 4种状态下的轴承信号波形图

某再制造公司对一批废旧变速箱进行回收再制造，该变速箱采用的是6205-2RS型深沟球轴承，现对该再制造后的轴承进行质量评价。振动数据通过加速度计进行采集，以每1s12000个样本点的速度采集数字振动数据。分别采集4种状态下的轴承振动数据。经过采集得到相应数据后，绘制出信号的....

图4 4种状态下分解后各子带的能量占比图

从图4可以看出每种状态下的能量分布不尽相同，所以可将这种能量分布的差异作为质量评价的依据。将小波包分解后形成的各子带的能量分布作为BP神经网络的输入，每种状态选取15个训练样本，共计60个样本对网络经过训练，再从再制造轴承中随机选取15个样本进行测试。通过网络的输出结果来判断轴承....

本文编号：4029176