基于神經(jīng)網(wǎng)絡(luò)模型的振動(dòng)篩損傷檢測(cè)研究.pdf

1、隨著機(jī)械制造技術(shù)的提高和現(xiàn)代工業(yè)發(fā)展的需求，機(jī)械設(shè)備的結(jié)構(gòu)愈來(lái)愈復(fù)雜，生產(chǎn)的高效率依賴(lài)機(jī)械設(shè)備提供的強(qiáng)大生產(chǎn)能力，設(shè)備的任何故障都會(huì)給生產(chǎn)帶來(lái)巨大的損失。因此，在生產(chǎn)中對(duì)設(shè)備進(jìn)行故障診斷是非常有意義的。故障診斷技術(shù)能夠在監(jiān)測(cè)設(shè)備運(yùn)行狀態(tài)的基礎(chǔ)上，分析和診斷出機(jī)械設(shè)備的故障狀態(tài)以及故障發(fā)展的程度。
　　 目前以時(shí)域和頻域分析為主的方法研究具有強(qiáng)非線(xiàn)性特性系統(tǒng)的故障診斷不是很好。本文利用系統(tǒng)辨識(shí)建立振動(dòng)篩縮小模型系統(tǒng)的模型，通過(guò)分析

2、辨識(shí)模型的特性，對(duì)直線(xiàn)振動(dòng)篩進(jìn)行故障診斷和裂紋發(fā)展趨勢(shì)研究。
　　 為了從采集到的信號(hào)中提取出特征信息，首先對(duì)實(shí)驗(yàn)測(cè)得的振動(dòng)信號(hào)做預(yù)處理分析，將數(shù)據(jù)進(jìn)行歸一化，然后用小波消噪方法對(duì)信號(hào)消噪、采用最小二乘法消除信號(hào)的趨勢(shì)項(xiàng)，最后去除信號(hào)的直流分量。
　　 研究振動(dòng)篩縮小模型下橫梁存在裂紋時(shí)系統(tǒng)的辨識(shí)方法。分別運(yùn)用線(xiàn)性模型、非線(xiàn)性模型、神經(jīng)網(wǎng)絡(luò)模型對(duì)振動(dòng)篩系統(tǒng)進(jìn)行建模，通過(guò)分析模型和實(shí)際系統(tǒng)的擬合度，得出神經(jīng)網(wǎng)絡(luò)模型的精度較

3、高。進(jìn)一步通過(guò)判斷不同神經(jīng)網(wǎng)絡(luò)辨識(shí)模型的擬合度、檢測(cè)殘差等，選擇神經(jīng)網(wǎng)絡(luò)NNARX模型。最后確定了該模型的各個(gè)參數(shù)(包括網(wǎng)絡(luò)層數(shù)、隱層神經(jīng)元個(gè)數(shù)、激活函數(shù)等)以及各參數(shù)對(duì)辨識(shí)精度的影響。
　　 在振動(dòng)篩縮小模型下橫梁有無(wú)裂紋時(shí)，分別辨識(shí)出系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型，通過(guò)分析振動(dòng)篩在不同狀態(tài)下實(shí)測(cè)振動(dòng)信號(hào)的幅值譜、辨識(shí)模型的虛擬響應(yīng)譜、模型的權(quán)值，得出分析辨識(shí)模型的特性可以作為判斷振動(dòng)篩是否有裂紋的依據(jù)。
　　 最后，將分析模型特