滚动轴承早期故障的特征提取及智能诊断.PDFVIP

　第 30 卷 　第 2 期 航 　空 　学 　报 Vol30 No2 　2009 年 　　2 月 A C TA A ERON AU TICA E T A STRON AU TICA SIN ICA Feb . 　2009 　　文章编号 (2009) 滚动轴承早期故障的特征提取与智能诊断 陈果 (南京航空航天大学 民航学院 , 江苏 南京 　2 100 16) Feature Extraction and Intell igent Diagnosis f or Ball Bearing Early Faults Chen Guo (College of Civil Aviation , Nanj ing U niver sit y of Aeronautics and A st ronautics , Nanj ing 　2 100 16 , China) 摘 　要 : 在基于小波变换的滚动轴承故障诊断研究中 , 目前普遍存在小波变换参数选取和故障特征计算无法 自动完成的问题 。基于此 ,提出了一种基于二进离散小波变换的滚动轴承故障特征 自动提取技术 ,实现了小 波函数参数的自动选取和故障特征的自动提取 。同时 ,基于结构自适应神经网络方法建立了滚动轴承的集成 神经网络智能诊断模型 。最后 ,利用实际的滚动轴承实验数据验证了所提方法的有效性 。 关键词 : 滚动轴承 ; 二进离散小波变换 ; 神经网络 ; 特征提取 ; 智能诊断 中图分类号 : TB 123 　　　文献标识码 : A Abstract : In t he st udy on ball bearing fault diagno si s ba sed on wavelet t ran sform , t he p aramet er selection of wavelet t ran sform and comp ut ation of fault feat ures cannot be carried out automatically at p resent . Aiming at t hese p roblem s , a new ball bearing fault feat ure autoext racting met hod based on binary di scret e wavelet t ran s form i s p ropo sed in t hi s article , which can select automatically wavelet function p aramet er s and ext ract t he fault feat ures. In addition , an int elligent diagno si s mo del ba sed on t he neural network wit h selfadap tive st ruc t ure i s est abli shed to imp lement t he int elligent diagno si s of ball bearing fault s. Finally , p ractical ball bearing exp eriment dat a i s u sed to verify t he new met hod p ut forwar d in t hi s article , and t he result s fully validat e it s application . Key words : ball bearings ; binary di scret e wavelet t ran sform ; neural ne