APP下载

基于小波包和MEA-BP的滚动轴承状态分析

2022-01-13孙英强杨庆东

关键词:故障信号分析

孙英强,杨庆东,许 博

(北京信息科技大学 机电工程学院,北京 100192)

0 引言

滚动轴承是机械设备的关键部件,直接关系到设备的安全运行,对其状态进行监测以及对其故障进行准确的分析预测具有重要的现实意义[1]。

目前对滚动轴承状态的分析一般分为前端信号处理和后端模型预测两部分。在信号处理方面常用傅里叶变换、快速傅里叶变换、小波分析、小波包分析等方法,其中前几种方法存在不能适应非平稳环境和高频部分信号容易丢失等问题,小波包分析可以对信号全频段做出精细的分析。在模型识别预测方面,现有反向传播(back propagation,BP)神经网络、遗传算法和思维进化算法(mind evolutionary algorithm,MEA)[2]优化BP神经网络等方法,其中BP和遗传算法虽然在识别方面具有一定的作用,但是其存在收敛速度慢和训练时间长等问题。思维进化算法优化BP神经网络(MEA-BP)在全局寻优能力和训练时间等方面具有很大的优势,因此,本文提出了一种将小波包分析和MEA-BP结合的滚动轴承状态分析方法。

1 系统构建

滚动轴承状态分析系统如图1所示,该系统主要包括试验台、信号采集、信号分析和模型识别预测4部分。

图1 滚动轴承状态分析系统

试验台由电机、扭矩传感器/编码器、测功机和控制电子设备组成;信号采集采用磁吸式加速度传感器;信号分析部分,采用小波包分析方法对采集到的滚动轴承振动信号进行能量特征的提取;模型识别预测部分,运用MEA优化BP神经网络方法,构建滚动轴承状态分析预测模型。……

登录APP查看全文

猜你喜欢

故障信号分析
信号
隐蔽失效适航要求符合性验证分析
完形填空二则
故障一点通
电力系统不平衡分析
基于FPGA的多功能信号发生器的设计
电力系统及其自动化发展趋势分析
奔驰R320车ABS、ESP故障灯异常点亮
基于LabVIEW的力加载信号采集与PID控制
故障一点通