论文部分内容阅读
造纸工业是我国关键的基础产业,在我国国民经济中的地位不容忽视。纸作为人类工业生产与日常生活的基本原材料,关系到国民生活的方方面面,包括经济、文化、生活、国防等等。随着社会的进步、科技的发展,造纸机也逐渐转向大型、宽幅和高速度的方向发展,但发展过程也受到一些制约因素的影响,如制约纸机车速上升的主要瓶颈之一就是造纸机的干燥部。同时,作为纸机传动中关键部件的滚动轴承,其运行状况的好坏直接影响到整条生产线的运行情况。因此,一旦轴承发生故障,对其进行停机更换就必须实施,如果对故障轴承的更换不及时,轻者可能造成巨大的经济损失,重者还会产生重大的甚至是灾难性的人员伤亡和深重的社会影响,而纸机干燥部是纸机中滚动轴承应用规模最大的工段,所以,为了有效提高车速并保证高速纸机的安全可靠运行,对造纸机干燥部滚动轴承故障状态的有效检测与诊断就显得十分必要且具有较深远的意义。本文在从理论上介绍滚动轴承典型故障产生的机理的基础上,围绕滚动轴承的故障诊断问题进行了研究,主要研究工作可以总结为以下几个方面。(1)提出了基于小波分析与BP网络结合进行轴承的故障诊断总方案。根据小波包变换的多分辨率特性和神经网络可以很好地完成对不同模式的分类能力,建立了滚动轴承故障的智能诊断模型:首先以小波包分解与重构作为BP网络的前置处理器,对振动数据进行预处理,建立频域能量特征向量;然后以这些能量特征向量作为BP网络的输入,并根据需要构造合适的BP网络模型,完成滚动轴承故障类型的诊断。(2)通过设计实验平台完成对滚动轴承各种运行状态下振动数据的采集,并利用MATLAB的小波分析函数完成对这些数据的预处理,并对各组数据的能量特征向量进行提取;然后利用MATLAB的神经网络函数构造故障诊断的BP网络模型,并利用它来进行滚动轴承的故障类型的辨别。仿真试验结果显示,利用小波分析和BP网络的结合进行故障诊断,不但可以检测到滚动轴承故障的存在,而且可以较准确地对轴承不同的故障类型进行识别,且具有比较好的诊断效果。(3)实验对普通BP网络算法、自适应修改学习速率算法以及改进的Levenberg-MarquardtBP网络算法的诊断效果进行了比较,结果表明改进的Levenberg-Marquardt算法不仅能提高收敛速度,而且具有比较高的故障诊断准确率,但是依然存在收敛不稳定的缺点。