APP下载

经验模态分解和神经网络在滚动轴承故障诊断中应用研究

2016-10-13陈立爱

安徽建筑大学学报 2016年4期
关键词:故障诊断模态振动

陈 松, 陈立爱,2

(1.安徽建筑大学 机械与电气工程学院,安徽 合肥 230601;2.安徽国祯环保节能科技股份有限公司,安徽 合肥 230088)

经验模态分解和神经网络在滚动轴承故障诊断中应用研究

陈 松1, 陈立爱1,2

(1.安徽建筑大学 机械与电气工程学院,安徽 合肥 230601;2.安徽国祯环保节能科技股份有限公司,安徽 合肥 230088)

针对滚动轴承故障振动信号的非平稳特征, 提出了一种基于经验模态分解的滚动轴承故障诊断方法,对采集的信号范围进行了筛选。利用经验模态分解将振动信号分解为多个平稳的固有模态函数。选取包含主要故障信息的IMF 分量分析其时域和频域特征。将时域信号特征量和频谱图峰值对应的频率归一化处理,输入Elman神经网络进行工作状态的自动判断。

经验模态分解; 神经网络; 轴承; 故障诊断。

0 引 言

滚动轴承具有摩擦阻力小和润滑易实现等优点,是旋转机械的基本组成部件。轴承在机械设备中承受载荷,传递载荷,但工作条件最恶劣,是易损零件。据有关资料统计,对于使用滚动轴承的机械设备,故障设备中约有30%是由于滚动轴承损坏引起。出现轴承故障可能导致系统失去某些功能,或造成严重的生产事故。因此,滚动轴承故障诊断技术的研究具有很重要的意义[1]。

可以通过测量振动信号对轴承进行诊断。在传统的处理方法中,例如用傅里叶变换处理非平稳、非线性信号会出现无意义的谐波分量。故障信号经常表现出非平稳的特征,对它们进行傅立叶分析不能兼顾信号在时频域中的全局特征和局部特征[2]。……

登录APP查看全文

猜你喜欢

故障诊断模态振动
振动的思考
振动与频率
中立型Emden-Fowler微分方程的振动性
基于HHT和Prony算法的电力系统低频振荡模态识别
UF6振动激发态分子的振动-振动驰豫
由单个模态构造对称简支梁的抗弯刚度
基于LCD和排列熵的滚动轴承故障诊断
基于WPD-HHT的滚动轴承故障诊断
高速泵的故障诊断
多模态话语模态的协同及在外语教学中的体现