基于粗糙集与模糊神经网络的滚动轴承故障诊断研究

发布时间：2024-12-11 02:50

　　滚动轴承在机械设备中应用广泛,它的工作状态直接影响机械设备生产,研究轴承的故障诊断,具有一定意义。轴承的故障可以通过温度分析技术、油样分析技术进行诊断,但是当滚动轴承的故障比较轻微时,温升较不明显,难以诊断,而油样分析技术又不能对脂润滑的轴承进行诊断,因此上述方法存在一定的局限性。滚动轴承工作时产生的振动信号反映了滚动轴承的工作状态,所以振动信号分析法是轴承故障诊断的最实用的方法。粗糙集理论是人工智能领域中处理混乱、不完整信息的重要方法,在数据关联关系的挖掘、冗余属性的约简等领域有着广泛的应用。模糊神经网络集合了神经网络和模糊系统的优点,可以充分发挥模型对系统不确定性的处理能力,而且模型的参数能够通过自我学习进行调整和优化。这两种理论方法,均可以同振动信号分析法相结合,用于滚动轴承的故障诊断。本文通过轴承故障模拟试验台,采集振动信号,提取特征向量,研究了两种方法用于故障诊断。第一,基于粗糙集理论相关原理,通过粗糙集分析工具Rosetta软件,对提取到的振动信号的特征向量进行属性约简,建立粗糙集分类器,通过自学习实现故障的诊断;第二,将粗糙集方法和模糊神经网络融合,其中粗糙集方法仅作为特征...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图2:2镶动轴承振动原理

大连交通大学全日制专业硕士学位论文??２．２滚动轴承的振动特性及特征??２．２．１滚动轴承的振动特性??滚动轴承运转的振动信号通常来源于三个方面：①轴承加工表面产生的细小的波浪??形痕迹或滚动体大小不一致等制造装配过程引起的振动。②轴承失效引起的振动。③轴??承自身的结构特点引起....

图2.3滚动轴承结构示意图

动轴承故障信号特征??动轴承内圈故障时，振动信号的频谱图会出现内圈故障频率及其倍频，但滚动体的同时转动，内圈故障处与滚动体的接触位置是不断改变的，会出象，产生《式±乂和《式±／？，的边频，其中／，＋表示内圈的旋转频率，／ｒ为轴／ｍ为滚动体的公转频率，２表示滚动体个数，如图２．４所....

图2.4内圈故障特征示意图

图２．３滚动轴承结构示意图??Ｆｉｇ．２．３?Ｔｈｅ?ｓｔｒｕｃｔｕｒｅ?ｆｉｇｕｒｅ?ｏｆ?ｒｏｌｌｉｎｇ?ｂｅａｒｉｎｇ??承故障信号特征??承内圈故障时，振动信号的频谱图会出现内圈故障频率及其倍频，体的同时转动，内圈故障处与滚动体的接触位置是不断改变的，产生《式±乂和《式±....

图２．６滚动体故障特征示意图??Ｆｉｇ．?２．６?Ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｆｅａｔｕｒｅ?ｏｆ?ｔｈｅ?ｓｃｒｏｌｌｅｒ?ｆａｕｌｔ??

第二章滚动轴承故障的振动机理与特征提取??滚动轴承外圈故障时，由于外圈固定，不会产生幅值调制现象，此时轴承振动信号??中将包含《式（１，２．．．）?的频率成分，如图２．５所示。??Ａ个??ｍ?????１?＞??Ｚｆ〇?２Ｚｆ〇?３Ｚｆ〇?ｆ?频率（Ｈｚ）??图２．５外圈故障特征示....

本文编号：4016064