基于粗糙集理論和人工神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷.pdf

1、隨著現(xiàn)代機(jī)械設(shè)備日趨大型化、精密化和自動化，有效的機(jī)械故障診斷作為系統(tǒng)可靠和安全運(yùn)行的保障，具有非常重要的價(jià)值。滾動軸承因摩擦力小、裝配方便等優(yōu)點(diǎn)成為機(jī)械設(shè)備中最常用的零部件，其穩(wěn)定性直接影響設(shè)備的性能。對滾動軸承實(shí)施狀態(tài)監(jiān)測與故障診斷，對避免經(jīng)濟(jì)損失和重大事故發(fā)生有重大意義。
　　在滾動軸承故障診斷中，振動分析是最常用和有效的方法。掌握滾動軸承振動機(jī)理，確定振動信號測定方式，模擬滾動軸承內(nèi)圈、外圈故障后，構(gòu)建故障診斷實(shí)驗(yàn)系統(tǒng)。本

2、文采集并處理振動信號，從時(shí)域、頻域和時(shí)頻域分析并提取反映滾動軸承運(yùn)作狀態(tài)的特征向量。
　　其中，基于經(jīng)驗(yàn)的模態(tài)分解根據(jù)自身時(shí)間尺度特征分解信號，具有高信噪比和自適應(yīng)性，在非線性、非平穩(wěn)信號的分析和處理上占有很大優(yōu)勢；小波分析采用變化的窗函數(shù)實(shí)現(xiàn)局部化的頻率分析，具有多分辨特性，廣泛應(yīng)用于信號的降噪和壓縮，從小波能量的角度出發(fā)，可以挑選感興趣的分層進(jìn)行分析；小波包分析是小波分析的延伸與拓展，實(shí)現(xiàn)高頻和低頻的同步分解，提高時(shí)頻分辨率，

3、更具應(yīng)用價(jià)值。
　　粗糙集理論是人工智能領(lǐng)域中處理不完備、不精確信息的軟計(jì)算方法，在知識挖掘、決策分析等領(lǐng)域有著廣泛的應(yīng)用。在滾動軸承故障診斷中，保證診斷精度不變的情況下，粗糙集能有效地減少特征維數(shù)，保留核屬性，減小計(jì)算量和不確定因素的影響，降低故障診斷系統(tǒng)的復(fù)雜度與規(guī)模。
　　人工神經(jīng)網(wǎng)絡(luò)模擬人腦結(jié)構(gòu)和功能，是強(qiáng)大的信息處理系統(tǒng)，具有高度自適應(yīng)性、并行處理方式、自我學(xué)習(xí)和歸納的能力。通過學(xué)習(xí)和訓(xùn)練，神經(jīng)網(wǎng)絡(luò)由故障癥狀推斷故

4、障產(chǎn)生原因，實(shí)現(xiàn)滾動軸承故障診斷和模式識別。
　　本文采用三種方法對比實(shí)現(xiàn)軸承故障診斷。第一，將歸一化的特征向量導(dǎo)入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)滾動軸承故障診斷；第二，建立粗糙集分類器，通過自學(xué)習(xí)實(shí)現(xiàn)滾動軸承狀態(tài)分類；第三，將粗糙集作為前端數(shù)據(jù)預(yù)處理器，實(shí)現(xiàn)數(shù)據(jù)離散、屬性約簡和決策規(guī)則的生成，優(yōu)化的特征參量作為神經(jīng)網(wǎng)絡(luò)的輸入。結(jié)果表明，粗糙集和神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障診斷系統(tǒng)準(zhǔn)確率和效率明顯提高。
　　本文的重點(diǎn)是實(shí)現(xiàn)敏感特征向量的有