基于旋转机械故障诊断的人工神经网络利用小波变换作为预处理[外文翻译].doc

约16页DOC格式手机打开展开

基于旋转机械故障诊断的人工神经网络利用小波变换作为预处理[外文翻译],附件c:译文基于旋转机械故障诊断的人工神经网络利用小波变换作为预处理b.a.paya , i.i.esatdynamical systems and neural networks group,department of mechanical engineering, brunel university,uxbridg...
编号:16-98426大小:398.50K
分类: 论文>外文翻译

内容介绍

此文档由会员 qs_f5t2xd 发布

附件C:译文

基于旋转机械故障诊断的人工神经网络
利用小波变换作为预处理
B.A.PAYA , I.I.ESAT
Dynamical Systems and Neural Networks Group,Department of Mechanical Engineering, Brunel University,Uxbridg,Middlesex UB8 3PH, U.K.
AND
M.N.M. BADI
Condition Monitoring Centre, Division of Mechanical,Aerospace and Automotive
Engineering,University of Hertfordshire,Hatfield, Hertfordshire AL09 8AB,U.K.

状态监测与故障诊断的目的是检测和鉴别故障发生在机械里故障,为了提供在设备经济性的重大改善,减少操作和维修费用并且改进安全的水平。该式样动力传动系统的情况,由各种相互关联的旋转部件构成,包括一个实际的车辆变速箱,两个轴承座和一个电动马达,所有连接途经通过弹性联轴器,并装上一个盘式制动器来研究。这个模型动力传动系统在其正常状态,将单一和多缺点被引进给变速箱,并给其中的轴承座。这些单个和多断层研究驱动线是典型的轴承和齿轮故障,可能是这种旋转机械的正常和连续运行过程中产生的。本文介绍了目前进行的研究,目的是知道轴承和齿轮故障先是作为单独一个单一的故障,然后合在一起为多故障在驱动线上。真正的时域振动信号取自驱动线预处理,是由小波变换为神经网络,以履行故障检测和找出确切发生在模型驱动线里的故障。这表明用由小波变换的多层人工神经网络对两套数据进行预处理, 单个和多数故障被成功检测到,并分为不同的群体。

1、引言
现代世界中使用的大部分机器是以汽车和其他旋转部件的方式出现,其运行可能产生故障。这些故障可能导致机械减少和降低其正常工作的环境。一般来说,当机械产生故障时,它就发出各种形式的信号,如加速度、压力、应变特性的变化等。为了保持机器处于最佳,技术,如故障诊断都必须充份利用。诊断一台机器是分析外部有关资料,以判断内部组件条件,这通常不拆卸出问题的机器就无法进行。机器产生信号的变化可以显示出机器故障。在旋转的机器中,例如变速