[发明专利]一种带式输送机滚筒组件故障诊断方法

摘要

本发明公开了一种带式输送机滚筒组件故障诊断方法，其针对滚筒体故障和轴承组件故障采用特征频率分析与神经网络方法进行故障诊断。首先利用振动传感器采集滚筒组件不同故障状况下的振动信号，再用EMD阈值方法对振动信号进行降噪处理，提取降噪信号的频域参量进行故障特征频率分析以判断轴承组件健康状况，另外提取时域参数构成特征向量作为神经网络系统的输入参量，由神经网络专家系统利用训练样本进行仿真训练，得到一套规则形成神经网络专家系统诊断机制，并根据诊断机制，基于提取的特征向量进行滚筒体故障诊断。所述方法能够实现对滚筒组件故障的诊断，有效提高滚筒组件故障诊断的效率。

主权项

1.一种带式输送机滚筒组件故障诊断方法，其特征在于：该方法包含如下步骤：1)利用振动传感器采集滚筒不同故障状况下的振动信号；2)采用EMD阈值处理对故障信号进行降噪；3)计算降噪后的信号的时域频域参数，由时域特征参数组成特征向量，并将提取的特征向量作为神经网络专家系统的输入参量；4)根据轴承组件的结构数据计算得到内外圈滚动体故障特征频率，另外神经网络专家系统利用训练样本进行仿真训练，完成对滚筒体故障识别模型的建立，得到一套规则形成神经网络专家系统诊断机制；5)由故障特征频率分析法对轴承组件进行故障诊断，而神经网络专家系统根据诊断机制，基于提取的特征向量进行滚筒体故障诊断；步骤1)中的故障状况包含以下几种情况：辐板与筒壳连接处裂纹故障，辐板裂纹故障，滚筒体筒面受压变形故障，胀套连接螺栓剪断故障以及轴承组件内外圈滚动体故障；步骤2)中的EMD阈值降噪为：EMD将振动信号分解成一系列不同时间尺度的IMF分量，当最后一个IMF分量为单调函数而不能再从中提取满足IMF条件的分量时停止分解，得到若干层IMF分量hi(t)；然后为每个IMF分量确定一个阈值Hi，利用该阈值对每个IMF分量降噪；其中hhi(t)为降噪之后的IMF分量；再利用降噪后的各IMF分量进行重构，得到降噪后的信号；步骤3)中信号的时域参数包括：方差是反应信号相对于信号均值的稳定程度的物理量；其中xi为输入信号，n为信号值的总数；方均根反应信号的能量大小；偏度定义上是样本的三阶标准化矩，反应信号分布相对于均值不对称的程度；μ为信号平均数，σ为信号标准差；峭度是归一化的四阶矩，反应信号的分布特性；峰值因子定义为信号峰值与信号方均根值的比值；其中为信号峰值；得到的特征向量表示为：X′＝[Xvar，Xrms，Xskew，Xkur，Xcf]；步骤4)中神经网络专家系统通过训练样本得到专家系统的知识库；步骤4)中轴承内外圈滚动体故障特征频率计算公式为：内圈故障特征频率外圈故障特征频率滚筒体故障特征频率其中Z为滚动体个数，fr为转频，d为滚动体直径，D为轴承节径，α为接触角。