摘要:滚动轴承在煤机设备中广泛应用,在恶劣工况下容易发生故障。为了能够及时准确地获取滚动轴承的运转状态,采用BP神经网络算法与小波函数对轴承振动信号进行分解,从而对滚动轴承进行状态监测以及故障诊断。实验结果表明,BP神经网络能够准确获得滚动轴承的运动状态及故障类型。
关键词:BP神经网络;振动;故障诊断;滚动轴承
滚动轴承是机械设备的关键部件,直接关系到设备的安全运行,滚动轴承故障诊断是通过分析滚动轴承的工作状况,从而为滚动轴承的故障解决提供一种诊断方法。滚动轴承在煤矿机械设备中应用广泛,出现故障会导致煤矿机械因停运而带来极大的经济损失,因此对滚动轴承的工况信息和其故障诊断的研究有重大意义。目前常用于故障诊断的遗传算法在实际应用中,其轴承故障诊断准确性以及输入信号稳定性很低。本文采用BP神经系统进行轴承故障诊断,而BP神经系统结合小波函数提高了输入信号的稳定性和故障诊断准确性,通过该系统能够更加准确地得到轴承的故障类型。
1滚动轴承的构成和故障的发生
一般情况下滚动轴承都是由保持架、内圈、外圈和滚动体所构成,其结构如图1所示。滚动轴承故障的主要形式包括磨损和表面损伤两大类。滚动轴承故障大约占齿轮箱故障的22%,其故障率仅次于齿轮;同时滚动轴承故障导致了旋转机械29%的事故;感应电机大约42%左右的故障是由滚动轴承引起的。据统计,每年其故障率有35%左右,有超过一半的滚动轴承需要检查。在煤矿对绞车中的滚动轴承需要进行定期检查,并且每隔一段时间对滚动轴承进行更换。使用滚动轴承故障诊断技术,能够降低大约3/4的事故发生率,同时减少1/3的维修费用。根据资料显示,在轴承的故障中,滚动轴承内、外圈和滚动体出现裂纹高达90%,而保持架出现故