滚动轴承振动诊断的BP神经网络方法[自控?检测]ModifiedDirectTorqueControlofAsynchronousMotorHANChun2bao(ChizhouCollege,Chizhou247000,China)Abstract:Anewmodifiedtorgueandfluxcontrolofasynchronousmotorhasbeenpresented.Comparingwithtraditionalasynchronousmotor,itisabletoreducetheflux,torguecurrentpulsation.Thesimulationresultillustaterstheeffectivenessoftheproposedmethod.Keywords:asynchronousmotor;directtorquecontrol;fluxvisualizer收稿日期:2006204220作者简介:张军(11012-),男,山东兖州人,江苏大学汽车学院在读硕士研究生,主要研究方向为系统仿真及振动故障检测。滚动轴承振动诊断的BP神经网络方法张军,陆森林,和卫星,王以顺(江苏大学汽车与交通工程学院,江苏镇江212022)摘要:归纳和总结了BP神经网络多参数诊断法的实施步骤,阐述了故障轴承振动与信号的关系以及BP神经网络的工作原理和实现过程,并以滚动轴承故障诊断为例,提取了反映滚动轴承故障类型的振动信号特征参数,用这些特征参数训练神经网络,利用MATLAB6.5神经网络工具箱模拟和仿真BP神经网络,然后用训练后的BP神经网络对故障模式进行识别。结果表明,如果神经网络设计合理,训练适当,并且在MATLAB仿真的过程中合理的选择训练函数和各种参数,则具有很强的故障识别能力。说明了利用MATLAB仿真BP神经网络进行滚动轴承振动诊断是可行而且有效的。关键词:振动;滚动轴承;故障诊断;BP神经网络中图分类号:TH133.33;TH165.3文献标志码:A文章编号:101522895(2007)022*******0引言滚动轴承是机械设备中应用最为广泛的旋转部件之一,也是机械设备中最容易损坏的部件,其运转状态直接影响整台设备的性能。在旋转机械设备的故障中有很大一部分是因为滚动轴承故障造成的。因此,对滚动轴承工作状态的监视及其故障诊断技术的研究工作越来越受到重视。根据工作原理的不同,轴承可分为滚动轴承和滑动轴承2大类,其中滚动轴承的应用较广泛,因此对滚动轴承的研究较多。一般来说,对滚动轴承进行故障诊断与工况监测可采用振动诊断、油样分析、温度检测、光导纤维探测以及接触电阻法等多种技术[1]。在现有的各种故障诊断技术中,振动诊断技术是最常用也是最成熟的方法。人工神经网络(ANN)是由许多具有非线性映射能力的神经元组成,神经元之间通过权系数相连接。人工神经网络具有很高的容错性和鲁棒性[2]。利用神经网络对滚动轴承进行故障诊断,建立可靠的并且具有足够容量的样本数据库,可以提高轴承故障诊断的效率和准确率。1故障轴承振动与信号的关系以及时域波形常用的参数指标故障滚动轴承在受载运转时,当缺陷部位与工作表面发生接触,都将产生一次冲击力。这种冲击力将激起轴承系统的振动,并通过适当的振动传递通道,以振动和声音的形式传出。信号传递过程如图1所示。滚动轴承工作时,由传感器拾取的振动信号成分比较复杂,轴的回转轴承元件接触表面的局部损伤---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---激振力轴承弹性振动系统宽带随机响应结构内部的振动传递→振动→声音图1轴承振动信号传递过程第25卷第2期2007年4月轻工机械LightIndustryMachineryVol.25No.2Apr.2007本文来源：网络收集与整理，如有侵权，请联系作者删除，谢谢！---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---