基于EMD-AR谱和GA-BP的滚动轴承故障诊断研究*
2021-08-06任学平霍灿鹏
机电工程 2021年7期
任学平,霍灿鹏
(内蒙古科技大学 机械工程学院,内蒙古 包头 014010)
0 引 言
在滚动轴承故障诊断问题中,通常都要对振动信号中的故障信息进行提取。在之前的研究中出现了非常多的故障诊断方法,比较常见的有傅里叶变换(FFT)[1,2]、小波包分析[3,4]和BP神经网络[5,6]等,这些都是处理轴承故障的常用方法。其中,FFT技术是通过将信号时域转换为频域来进行分析,但这是一种整体变换,不能反映信号的局部信息。小波包分析虽然能处理故障信号,但在处理过程中存在能量泄露和小波基困难的问题。BP神经网络存在收敛速度慢而且容易陷入局部极小值等缺点[7]。在现场工作环境中,受到刚度、摩擦力、非线性和外载荷因素的影响,滚动轴承常常会发生各种类型的故障[8],不平稳性和非线性是振动信号的主要特征。
自回归模型(AR)主要是对时间序列进行分析,它的谱峰尖锐,频率定位准确,易反映功率谱中的峰值信息[9],但AR模型一般只针对平稳的振动信号进行分析,上述提到信号通常表现出不平稳性和非线性的特征。
相较于传统的BP神经网络,遗传算法(genetic algorithm,GA)主要是针对复杂系统进行优化,不仅加快算法的收敛速度,还是一种全局性的优化算法,可以有效地处理有关全局最优解的问题。
笔者将经验模态分解和AR谱相结合[10,11],提取滚动轴承故障特征向量,通过遗传算法优化BP神经网络进行训练和测试,对基于EMD-AR谱和GA-BP的滚动轴承故障诊断方法的效率和正确率进行深入研究。……
登录APP查看全文
