基于PCA和径向基函数神经网络的滚动轴承故障模式的识别

《基于PCA和径向基函数神经网络的滚动轴承故障模式的识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、《机床与液压》(’’)/[A/&·?>=·!基于!"#和径向基函数神经网络的滚动轴承故障模式的识别陆$爽，侯跃谦（长春大学机械工程学院，长春%&’’()）摘要：根据径向基函数神经网络的优点，在对滚动轴承振动信号故障特征分析的基础上，提出一种应用主矢量分析（!"#）将高维相关变量转化为低维独立变量，利用其特征值建立径向基函数神经网络的方法，并用该网络对滚动轴承的故障模式进行了识别。理论和试验证明了该方法的有效性，且具有较高的识别精度。关键词：滚动轴承；振动信号；!"#；*+,神经网络；模式识别中图分类号：-.%&&/&&；-!%0&$$文

2、献标识码：#$$文章编号：%’’%1&00%（(’’)）&1%0)12!"#$%&"%%’()*’+,-).%.,),/*,$$.)-0’"(.)-0"1’2,)&(.)+.3"$4,53,)’)%16)"$71.1")2*"2."$0"1.1!#)+%.,)8’#("$8’%9,(:13456789:，.;4<7=>?@89（"ABB=:=ACD=E689@E8BF9:@9==G@9:，"689:E67949@H=GI@JK，"689:E679%&’’()，"6@98）6;1%("+%：L9J6=B@:6JACJ6=M=G@JACG8

3、N@8BO8I@IC79EJ@A99=7G8B9=JPAGQ89NA9J6=O8I@IACJ6=C=8J7G=898BKI@IACH@OG8J@A9I@:>98BACGABB@9:O=8G@9:，89=PM=J6AN—RG@9E@R8BEAMRA9=9JI898BKI@I（!"#）P8IRG=I=9J=NSLJE89JG89ICAGMM7BJ@N@M=9I@A98BEAGG=>B8J=NH8G@8OB=@9JABAPN@M=9I@A98B@9N=R=9N=9JH8G@8OB=S*8N@8BO8I@IC79EJ@A99=7G8B9=JPA

4、GQIP8I=IJ8OB@I6=NP@J6J6==@:=9H8B7=RG=I=9J@9:CGAM!"#S+8I=NA9J6=J6=AGKACG8N@8BO8I@IC79EJ@A99=7G8B9=JPAGQI，C87BJR8JJ=G9ACGABB@9:O=8G@9:P8IG=EA:9@T=NEAG>G=IRA9N@9:BKS-6=AGK89N=UR=G@M=9JI6APIJ68JJ6=G=EA:9@J@A9ACC87BJR8JJ=G9ACGABB@9:O=8G@9:O8I=NA9RG@9E@R8BEAMRA9=9JI898BK>I@I89

5、NG8N@8BO8I@IC79EJ@A99=7G8B9=JPAGQIJ6=AGK@I8H8@B8OB=89N@JIRG=E@I@A9@I6@:6S<’79,(21：*ABB@9:O=8G@9:；V@OG8J@A9I@:98B；!"#；*+,9=7G8B9=JPAGQI；!8JJ=G9G=EA:9@J@A9!"引言中存储和记忆在网络中，这样就可以通过网络的联想滚动轴承是各类旋转机械中最常用的通用零部件能力实现从信号空间到状态空间的非线性映射，从而之一，也是旋转机械中易损件之一。据统计，旋转机达到模式识别的目的。械的故障有&’W是由轴承故障

6、引起的。根据滚动轴由于测得的振动信号是一高维的相关时间序列，承在线振动信号监测其运行状态和实时进行故障诊笔者利用主矢量分析（!"#）对高维的相关时间序列［%，(］断，是目前既普遍又行之有效的方法。轴承振动进行维数压缩，实现了对复杂轴承振动信号的特征提信号携带了丰富的运行状态信息，当振动信号从平稳取。利用提取的特征矢量建立径向基函数神经网络，向非平稳过渡时，其突变往往反映了轴承故障引起的从而完成了基于主矢量分析的时间序列空间到主矢量撞击、振荡、结构变化、间隙变化和断裂等。因此，空间，基于径向基函数神经网络的主矢量空间到轴承对重要用途的轴承

7、进行工况监测和故障模式的识别是故障空间的非线性映射，从而达到了对滚动轴承故障非常必要的。图%是对&%’型轴承检测到的三种工况状态进行模式识别的目的。［$，%］状态振动加速度时间序列的时域归一化波形。从图中#"轴承振动信号的主矢量分析（!"#）可见，正常轴承振动信号基本是平稳随机白噪声信设轴承振动信号的时间序列为!（""X%，(，⋯，#），号，而故障轴承振动信号则是非平稳随机有色噪声信可找到$个线性独立的变量%（""X%，(，⋯，$），$%#号。来代替变量!"，则滚动轴承故障模式识别的任务就是对其振动信号&X’(（%）中包含的状态信息进行

8、提取和处理并加以分类，从而式中：’为#Y#维的变换矩阵。推断出滚动轴承运行的状态。由于滚动轴承系统的复利用矩阵变换可得***杂性和故障形式的多样性，振动信号和状态信息之间)（&&）X’)（((）’（(）*并