文档介绍：独创性声明
本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成
果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发
表或撰写过的研究成果,也不包含为获得山东理工大学或其它教育机构的学位或证书
而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明
确的说明并表示了谢意。
研究生签名: 时间: 年月日
关于论文使用授权的说明
本人完全了解山东理工大学有关保留、使用学位论文的规定,即:学校有权保留
送交论文的复印件和磁盘,允许论文被查阅和借阅;学校可以用不同方式在不同媒体
上发表、传播学位论文的全部或部分内容,可以采用影印、缩印或扫描等复制手段保
存、汇编学位论文。
(保密的学位论文在解密后应遵守此协议)
研究生签名: 时间: 年月日
导师签名: 时间: 年月日
万方数据
山东理工大学硕士学位论文摘要
摘要
在机械设备故障中因为滚动轴承受损而发生故障的概率非常大,滚动轴承的工作状
况将直接影响到整个机械设备的运转。滚动轴承故障的诊断方法有很多种,随着科学技
术的发展与进步,对滚动轴承检测的实时性和诊断结果、维修方案的准确性等提出了新
的要求,这对于滚动轴承故障诊断的研究具有非常重要的意义。
为了能够更好的对滚动轴承故障进行诊断,本文分析了当前应用于滚动轴承故障诊
断的主要方法,应用当前使用较多的小波分析理论,对轴承的振动信号进行阈值降噪,
并提出了较为合理的新阈值函数,对新阈值函数进行了理论分析,实验结果表明,新阈
值函数对含噪信号的降噪效果, 比传统阈值函数的降噪效果更加优越。同时,采用小波
包的方法提取轴承故障特征信息,将 B P 神经网络智能化诊断引入诊断系统中,以小波
包提取的特征信息作为 B P 神经网络训练样本和预测样本。因 B P 神经网络自身存在易于
陷入局部极小值和收敛速度慢等缺陷,采用遗传算法对 B P 神经网络的初始权值和阈值
进行优化。优化的 B P 神经网络可以较好地克服 B P 网络的缺陷,在滚动轴承故障训练和
诊断时,可以找到全局最优值。采用 L a b V I E W 友好界面的开发功能和 M A T L A B 强大的
数值分析和数据处理的功能,进行滚动轴承故障诊断系统的研发,充分利用 L a b V I E W
自带的M A T L A B s c r ip t 节点,将两种软件的优点结合到一起,实现了滚动轴承的智能化
诊断,这也使得该系统对故障的诊断速度和准确度得到较大的提高。
关键词:小波,遗传算法,神经网络,L a b V I E W , M A T L A B S c r ip t
I
万方数据
山东理工大学硕士学位论文 Abstract
Abstract
T h e p r o b a b ility o f m a c h in e r y f a ilu r e is v e r y b ig fo r r o llin g b e a r in g d a m a g e d in
m e c h a n ic a l e q u ip m e n t fa ilu r e . T h e w o r k in g c o n d itio n s o f th e b e a r in g w ill d ir e c tly in f lu e n c e th e
o p e ra tio n o f th e w h o le m a c h in e r y a n d e q u ip m e n t. M e th o d s o n r o llin g b e a r in g f a u lt d ia g n o s is
a re d iffe re n t. W ith th e d e v e lo p m e n t o f s c ie n c e a n d te c h n o lo g y , it p u ts f o r w a r d n e w
r e q u ir e m e n ts to th e r e a l- tim e d e te c tio n o f r o llin g b e a r in g a n d th e a c c u r a c y o f d ia g n o s is re s u lts
a n d m a in te n a n c e p la n , w h ic h h a s im p o rta n t s ig n if ic a n c