小波神经网络在齿轮故障诊断中的应用

摘 要：提出了基于小波分析和SOM网络相结合的故障诊断方法，利用小波分析技术采集拖拉机齿轮故障特征信号，然后利用SOM神经网络对采集到的故障数据进行建模诊断。实验表明，该方法能有效提高齿轮故障诊断的准确率。关键词：小波分析;SOM网络;故障诊断[b][align=center]Application of Wavelet Neural Network in Gear faults diagnosisFU Baolong[/align][/b]Abstract: based on the wavelet analysis and SOM nerual network fault diagnosis, using wavelet analysis technology acquisition tractor gear fault signal Then SOM neural network processing of data modeling fault diagnosis. The experiments show that this method can effectively raise the gear fault diagnosis accuracy.Keywords: the wavelet analyzes; SOM Networks; faults diagnosis1 引言　　齿轮是改变转速和传递动力的最常用的传动部件，是机械设备的一个重要组成部分，也是易于发生故障的一个部件，其运行状态对整机的工作性能有很大的影响。一旦发生故障，往往会导致严重的后果。如果能及时诊断出故障并加以消除，则可以避免事故的发生，并且能提高机器运行的可靠性，进一步提高机器的使用率。　　目前我国齿轮故障诊断仍然以手工分析为主，随着诊断技术的发展，依靠计算机和软件开展诊断是机械设备故障诊断技术发展的大趋势[1]。本文尝试把小波分析技术引入到齿轮故障信号的分析中，利用它提取齿轮故障发生时的特征信号，并运用SOM神经网络对获取的信号进行故障诊断建模，以期取得更好的效果。2 基于小波变换的信号提取　　齿轮发生故障时，所测得的信号中含有非平稳成分或时变成分，而这些成分又往往直接反映了齿轮的运行状态。小波变换具有时频域局部化等特性[2]，适合于非平稳信号和时变信号的特征提取，特别是连续小波变换，可提取信号中所需频段随时间变化的成分，不仅适于设备稳态信号特征提取，而且适合于状态发生变化的过程，使信号特征提取显得十分有效。 详情请点击：小波神经网络在齿轮故障诊断中的应用