基于小波包分解和PSO-BPNN的滚动轴承故障诊断

鞠晨¹，张超²，樊红卫^2,3，张旭辉^2,3，杨一晴²，严杨²

1. 神华神东煤炭集团有限责任公司技术研究院2. 西安科技大学机械工程学院3. 西安科技大学陕西省矿山机电装备智能监测重点实验室

摘 要：针对现有煤矿旋转机械滚动轴承故障诊断方法存在信号有效特征提取不完全、故障诊断精度不高及效率低等问题,提出了一种基于小波包分解和粒子群优化BP神经网络的滚动轴承故障诊断方法。该方法包括信号特征提取和故障类型识别两部分:在信号特征提取部分,对采集的滚动轴承振动信号进行小波包分解,得到各子频带能量及信号总能量,经归一化处理后获得表征滚动轴承状态的特征向量;在故障类型识别部分,通过粒子群优化算法优化BP神经网络的初始权值和阈值,以加速网络收敛速度,避免陷入局部极小值。实验结果表明,该方法提高了滚动轴承故障诊断效率和准确率。

关键词：煤矿旋转机械;滚动轴承;故障诊断;小波包分解;粒子群优化;BP神经网络;