基于EMD小波包和ANFIS的滾動軸承故障診斷-論文.pdf

《基于EMD小波包和ANFIS的滾動軸承故障診斷-論文.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、ComputerEngineeringandApplications計算機(jī)工程與應(yīng)用基于EMD小波包和ANFIS的滾動軸承故障診斷張霆，張友鵬ZHANGTing，ZHANGYoupeng蘭州交通大學(xué)自動化與電氣工程學(xué)院，蘭州730070SchoolofAutomatic&ElectricalEngineering，LanzhouJiaotongUniversity,Lanzhou730070，ChinaZHANGTing，ZHANGYoupeng．ApplicationofEMD-waveletpa

2、cketandANFISforrollingbearingfaultdiagnosis．ComputerEngineeringandApplications，2013，49(21)：230—234．Abstract：Inordertodiagnoserollingbearing’Sthreefaulttypesmoreeffectivelysuchasinnerracefault，outerracefaultand，ballsfault，amethodthatAdaptiveNeuro—FuzzyI

3、nferenceSystems(ANFIS)andwaveletpacketde—noisingbasedonEmpiricalModeDecomposition(EMD)isproposed．Asthesignalsareoftencorruptedbynoise，SOtheyarede—noised，andpreprocessedsignalsareinvestigatedusingANFISanalysis．Theresultsshowthatthewaveletpacketde—noisin

4、gbasedonEMDcanimprovetheSignal—to·NoiseRatio(SNR)effectively．Aftersignalsarepreprocessed．theresultofANFISanal3rsisshowsthataverageerrorislow．Itcandiagnosethethreefaulttypesabove—mentionedbetter．Keywords：rollingbearing；EmpiricalModeDecomposition(EMD)：wa

5、veletpacketde—noising；AdaptiveNeuro—FuzzyInferenceSystems(ANFIS)：faultdiagnosis摘要：為了有效識別出滾動軸承的內(nèi)圈故障、外圈故障、滾動體故障三種故障類型，提出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解EMD的小波包去噪和自適應(yīng)神經(jīng)模糊推理系統(tǒng)ANFIS的診斷方法。對故障信號進(jìn)行去噪預(yù)處理，對已處理的信號利用ANFIS進(jìn)行故障識別。結(jié)果表明，采用基于ENID的小波包去噪方法能有效地提高信噪比，在去噪的基礎(chǔ)上，采用ANFIS進(jìn)行故障診斷，診斷結(jié)果的

6、誤差低，能很好地識別出上述三種故障類型。關(guān)鍵詞：滾動軸承；經(jīng)驗(yàn)?zāi)B(tài)分解；小波包去噪；自適應(yīng)神經(jīng)模糊推理系統(tǒng)；故障診斷文獻(xiàn)標(biāo)志碼：A中圖分類號：THl13．1doi：10．3778／j．issn．1002—8331．1304．02201引言種基于信號局部特征的新的信號處理方法，它將一個復(fù)雜對于非平穩(wěn)振動信號，有很多方法可以對其進(jìn)行分析的信號分解成若干本征模態(tài)函數(shù)(IMF)，適用于非線性、非處理。傳統(tǒng)的信號分析方法是Fourier變換，但是它無法體平穩(wěn)信號的分析處理。本文結(jié)合EMD和小波包兩者的現(xiàn)信號的

7、時頻局域性質(zhì)，它只能完全在時域體現(xiàn)一個信號優(yōu)點(diǎn)，以滾動軸承故障特征信號為對象，對噪聲進(jìn)行預(yù)處的性質(zhì)，或者完全在頻域體現(xiàn)，而時頻局域性恰恰是非平理，然后采用自適應(yīng)神經(jīng)模糊推理系統(tǒng)對軸承的外圈故障、穩(wěn)信號最根本、最重要的性質(zhì)。為了更好地分析和處理非內(nèi)圈故障、滾動體故障進(jìn)行特征提取與診斷，能夠較好地平穩(wěn)信號，人們提出了一系列的信號分析理論：短時傅里區(qū)分幾種典型故障。葉變換、時頻分析、Oabor變換、小波變換等。其中小波變換作為一種非平穩(wěn)信號分析與處理的工具，具有很好的時2去噪預(yù)處理頻局域性質(zhì)，近年來被廣泛

8、應(yīng)用在去噪領(lǐng)域中。西安交通2．1小波包大學(xué)的何曉霞等It]利用連續(xù)小波變換對滾動軸承進(jìn)行了故在多分辨分析中，小波變換是把一個空間分解為一個障診斷；NikolaouNG等利用小波包對滾動軸承進(jìn)行了尺度子空間和一個小波子空間，。用一個新的空間故障診斷。但是故障信號在信噪比很低的情況下，有用信來表示上述兩個子空間和，，為了更好地對作進(jìn)號幅值很小，噪聲信號會完全“淹沒”有用信號，這時采用小波分析去噪的效果不太理想。經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)是一一步的分解，令基金項(xiàng)目：甘肅省科技支