基于谐波小波包和BP神经网络的滚动轴承声发射故障模式识别技术

  本文关键词：基于谐波小波包和BP神经网络的滚动轴承声发射故障模式识别技术，由笔耕文化传播整理发布。

振 动 与 冲 击

第 29卷第 10期

JOU RNAL OF V IBRAT ION AND SHOCK Vo.l 29 N o. 10 2010

基于谐波小波包和 BP 神经网络的滚动轴承声发射故障模式识别技术

赵元喜, 胥永刚, 高立新, 崔玲丽

(北京工业大学 北京市先进制造技术重点实验室, 北京

100124)

摘 要: 类型相关, 故障 滚

动轴承的声发射信号分解到不同频段, 进而将各频段的 能量组 成特征 向量输入 BP 网络, 通过 神经网 络判别滚 动 轴承的故障类型。利用神经网络对滚动轴承进行故障识别时, 对谐波小波包和 D aubech ies小波包进行了比较。实验 结果 表明对于滚动轴承声发射信号的故障模式识别,

关键词: 滚动轴承; 声发射; 谐波小波包; 神经网络; 故障模式识别 中图分类号: TH 17; O235

文献标识码: A

滚动轴承 是机械设 备中应用 最为广泛 的部件之 [ 1]

一 , 其运转状态是否良好会直接影响到设备的性能 和生产安全, 无论从安全角度, 还是从经济利益出发, 对滚动轴承故障诊断技术的研究工作都具有十分重大 的意义。滚动轴承的故障检 测, 传统的方法大多是进 行振动分析, 但在许多情况下, 如故障发生的早期、低 速旋转等, 含有故障特征的振动信号十分微弱, 容易被 周围相对幅度较大的低频环境噪声信号所淹没, 导致 无法有效检测出故障隐患 。而准确地提取滚动轴承 故障信息是设备故障确诊的前提 。声发射是结构缺 陷本身发出的高频应力波信号, 其频谱较宽, 其高频特 性可以有效抑制干扰, 不易受周围环境噪声的影响 , 利用声发射检 测技术对 滚动轴承 进行检测 和分析判 断, 可及时发现滚动轴承的各种故障, 保障设备的正常 运转。另外, 利用声发射可检测动态性缺陷, 对大型构 件可提供整体或局部快速检测, 对被检件的接近程度 要求不高。研究声发射检测技术对生产企业有着重要 现实意义。

本文对滚动轴承几种常见点蚀故障的声发射信号 进行分析利用谐波小波包方法将滚动轴承的声发射信号分解到各个频段[ 4 ]

[ 3]

[ 2]

数即为谐波小波。

w ( t) = [ exp( i4’t ) - exp( i2’t) ] /i2’t ( 1) 根据小波理论, 对 j , k C Z, 通过伸缩、平移, 生成 谐波小波函数族:

w ( 2 t - k ) = [ exp( i4’( 2 t- k ) ) -

j j

exp( i2’( 2t- k ) ) ] / [ i2’( 2t- k ) ] ( 2) 以谐波小波作为基函数系可以将信 号既不交叠、 又无遗漏的分解到相互独立的空间, 实现将信号分解 到不同频段, 从而将故障信息从强烈的噪声背景中分 离出来, 有利于更好的提取故障特征 [ 5] 。 1 2 广义谐波小波

为使分析频带的选取更加灵活, 对于式 ( 1)定义的 谐波小波, 引 入正 实数 m, n (m < n ), 考虑 频带 ± = [ 2’m, 2’n ], 则广义化的谐波小波为 :

wm, n ( t) = [ exp( i2’tn ) - exp( i2’tm ) ] /i2’( n - m ) t ( 3)

给定步长 k / ( n - m ), ( k C Z ), 作平移 变换, 则式 ( 3)成为:

- wt- = in2 t -

n - n - i2’( n - t- ( 4) im 2 t- n - n - 这就是分析频率带宽为 ( n- m ) 2’, 分析时间中心 在 t= k / ( n- m )处的广义谐波小波的一般 形式。通过 调整参数 m, n, 可对信号的所选频段 [ m, n ] 2x 进行广 义谐波小波分析, 从而较好地实现信号的滤波。

[ 6]

j

j

向量输入神经网络, 实现滚动轴承的故障识别。

1 谐波小波变换

1 1 谐波小波的概念

谐波小波是剑桥大学的 Dav id E. N ew land 于 1993 年构造出的一种具有严格矩形频谱特性的小波, 具有 优良的滤波特性 。谐波小波分解算法通过信号的快 速傅里叶变换及其逆变换来实现。式 ( 1) 所定义的函

2 谐波小波包

谐波小波分解同其它小波分解类似, 进行频域分

析时, 低频段的细化能力好, 高频段的分辨 能力差, 而 实际应用时, 往往希望提高高频段信号的频率分辨率。

[ 5]

基金项目: 国家自然科学基金项目 ( 50705001, 50805001); 北京市教委科

技计划项目 ( KM 200910005007 ); 国家 高技术 研究发 展计划 ( 863 计 划, 2009AA 04Z 417)

收稿日期: 2009 - 05- 25 修改稿收到日期: 2009- 07- 29 第一作者 赵元喜 男, 硕士生, 1981年 11 月生

小波包分解是比小波分解更为精细的一 种分析方法,

其不同之处在于对滤出的高频部分也同样进行分解。

由广义谐波小波的定义式可知参数决定了小波函数带宽和频带的位置。通过调整广义谐

  本文关键词：基于谐波小波包和BP神经网络的滚动轴承声发射故障模式识别技术，由笔耕文化传播整理发布。