小波神经网络在双吸式离心水泵轴承故障诊断中的应用

荷增大，故而为了防止系统负荷过大，固定阻尼元件不得太小，只要能起到减弱振荡，消除噪音的作用即可。同时，若使用的阻尼孔过小，就会导致系统出现无法卸荷的现象。根据实践理论证明，长而大的阻尼孔的作用效果更加良好。参考文献：［1］韩华.挖掘机液压系统常见故障分析［J］.人民长江，2007（3）：83－84.［2］韩如春.挖掘液压系统故障分析及解决措施［J］.牡丹江大学学报，2009（12）：117-118.［3］国香恩.液压挖掘机节能模糊控制系统研究［D］.长春：吉林大学，2004.作者简介：李丽云（1976-），女，湖南洞口人，湖南机电职业技术学院讲师，主要从事机械自动化及汽车应用研究.责任编辑：武伟民收稿日期：2011－07－07煤矿机械CoalMineMachineryVol.32No.12Dec.2011第32卷第12期2011年12月���������������������������������������������0引言随着人工智能技术的发展和在旋转机械中的普遍应用，特别是神经网络所具有的模式识别能力，使得基于神经网络的故障诊断受到人们的青睐。其中BP网络是应用最多的神经网络之一，同时考虑到小波包所具有的时频分辨能力，在降噪方面所具有的明显优势，可有效地提取表征相应故障信息的故障特征。本文结合小波包和神经网络对供暖双吸式离心水泵轴承进行故障诊断，并实现轴承故障的模式识别。1轴承信号降噪和特征提取小波包是由M.V.Wikcer、R.R.Coifman等人在小波函数变换的基础上提出来的，它在轴承振动信号进行降噪以及表征轴承相应故障的频带特征方面非常有效。它采用时、频域的分析方法，将采集获得的振动信号进行多尺度、低高频信号同时的正交分解，使得分解变换后分解系数呈现不相关性，且有白化趋势，这样即可有效地区分振动信号中的突变部分和噪声，又能使分离的表征相应信号特征的频带能量表现为互相独立，无冗余的特征，因此可以为神经网络的故障模式识别提供更为有效的故障特征。（1）小波包去噪原理在小波包去噪的多分辨分析中，设小波和尺度子空间分别为Wj和Vj（j为尺度因子），则L2（R）中可得到Vj－1＝Vj∪Wj。由准∈V0V1且｛准－1，k｝k∈z为V－1的标准正交基，那么数列｛hk｝k∈z∈l2，使得准（t）=k∈zΣhk准－1，k（t）=2姨k∈zΣhk准（2t-k）设准为相应于多分辨分析｛Vj｝j∈z的尺度函数，则小波基函数ψ（t）=2姨k∈zΣgk准（2t-k）｛gk｝k∈z∈l2令μ0（t）=准（t），μ1（t）=ψ（t），则：小波神经网络在双吸式离心水泵轴承故障诊断中的应用*许同乐1，裴新才1，许同华2，郎学政1（1.山东理工大学机械工程学院，山东淄博255049；2.淄博市张店区新华学校，山东淄博255000）摘要：提出了采用小波包的方法对供暖双吸式离心水泵轴承振动信号进行去噪和提取表征相应轴承故障的频带能量，并采用BP神经网络进行训练和故障识别，通过MATLAB进行了仿真，经试验验证该方法能够有效地识别出轴承故障。关键词：小波包变换；频带能量；神经网络；故障诊断中图分类号：TP183文献标志码：B文章编号：1003－0794（2011）12－0254－04BearingFaultDiagnosisofUsingWaveletNeuralNetworkinDouble-suctionCentrifugalPumpXUTong-le1，PEIXin-cai1，XUTong-hua2，LANGXue-zheng1（1.SchoolofMechanicalEngineering,ShandongUniversityofScienceandTechnology,Zibo255049，China；2.XinhuaSchoolofZhangdianDistrictofZiboCity,Zibo255000，China）Abstract:ThewaveletpackageisadopttedtoDe-noiseandextractbandenergythatrepresentbearingfault.andtheBPneuralnetworkisadoptingtotrainandrecognizefaults.ThroughMATLABsimulation,Afterthetestvalidatethemethod,itcaneffectivelyrecognizethebearingfault.Keywords:waveletpackettransform；frequencybands；neuralnetwork；faultdiagnosis*山东省高等学校科技计划项目（J10LG22）∩μ0（t）=2姨k∈zΣhkμ0（2t-k）μ1（