[发明专利]基于第二代小波变换与BP神经网络的轴承故障的诊断方法

摘要

本发明涉及一种基于第二代小波变换与BP神经网络的轴承故障混合智能诊断方法。首先采用第二代小波变换对传感器测量的轴承原始振动信号进行分解；然后对分解后的信号提取时域统计特征和频域统计特征组成联合特征集，再对提取的联合特征集进行特征评估得到敏感特征集；将敏感特征集作为BP神经网络的输入进行网络训练，建立基于BP神经网络的故障诊断模型实现故障分类和诊断。将该方法和模型应用于轴承的故障分类与诊断中，结果表明该方法的分类诊断精度高、速度快、效率高，有效提升了轴承故障诊断的效果，并且便于工程实践中使用。

主权项

一种基于第二代小波变换与BP神经网络的轴承故障的诊断方法，其特征在于步骤如下：步骤1、采用第二代小波变换对传感器测量的轴承对传感器测量的轴承原始振动信号序列x＝(xi)进行分解，得到分解信号s＝s(0)+U(d)，其中：i＝0,1…L，L表示数据长度；s(0)为分解产生的偶样本序列，d为分解产生的细节信号，U(·)为第二代小波变换中点更新器，为更新器系数的个数；步骤2、对分解后的信号s提取时域特性和频域特性组成联合特征集，再对提取的联合特征集采用特征评估方法构成敏感特征集；步骤3、将敏感特征集作为BP神经网络的输入，构造BP网络的结构，采用已知样本对网络进行训练以建立基于BP神经网络的故障诊断模型，采用该故障诊断模型对机械设备的健康状态进行诊断识别。