[发明专利]一种基于改进小波神经网络的滚动轴承的故障检测方法

摘要

本发明为一种基于改进小波神经网络的滚动轴承的故障检测方法，利用小波包分解后各频段能量的分布作为特征向量输入神经网络，利用改进的小波神经网络完成滚动轴承故障模式的识别。理论和实验证明用该方法提取故障特征能加快小波神经网络的训练速度，能迅速地对滚动轴承进行故障的检测和定位。

主权项

一种基于改进小波神经网络的滚动轴承的故障检测方法，利用小波包分解后各频段能量的分布作为特征向量输入神经网络，利用改进的小波神经网络完成滚动轴承故障模式的识别，其特征在于：该方法包括以下步骤：步骤一：小波函数的选取，首先利用Morlet小波对滚动轴承振动信号x(t)进行3层小波包分解，分别提取第3层从低频到高频6个频率成分的信号特征，振动信号经小波包分解可得到其在各频带内成分的特征，即各低频和高频系数；步骤二：重构小波包分解系数，求取个频带的信号能量，即将各个小波包分解系数做选择性重构，提取各频带范围的信号，提取和故障相关的几个频带进行重构，剔除主振动分量和干扰项；步骤三：构造特征向量，按尺度顺序，以各层高频小波分解系数的模为元素得到一组与信号对应的序列，利用各频带的能量元素构造一个特征向量F，即能量特征向量，作为小波函数神经网络的输入元素，信号的特征向量提取之后，将它保存起来；步骤四：利用小波神经网络技术实现滚动轴承故障的分类及识别，经小波包分解仅获得了与故障相关的特征，还需进行故障分类及识别，本方法利用IWNN进行故障分类及识别，IWNN网络输入层神经网络数量与能量特征向量相同，利用大量的实验数据对网络进行训练，使各项指标达到预先设定的要求，并保存训练后的结果。