基于改进BP神经网络和模糊集理论的轴承健康度评价方法

摘要

本发明涉及一种基于改进BP神经网络和模糊集理论的轴承健康度评价方法。其步骤如下：1）采集原始信号；2）对步骤1）采集的信号进行FFT变换和滤波降噪处理；3）提取滤波降噪之后的振动信号的特征，获得特征参数；具体步骤如下：在FFT降噪处理的频域信号中选取7个状态参数；通过DI来评估状态参数的灵敏度；选取DI均值较大的四个参数作为BP神经网络输入层的特征参数；4）建立改进BP神经网络模型；5）将选定的四个特征参数输入改进BP神经网络进行状态识别，计算出健康度数值。运用本方法能够针对轴承运行状态进行分析，对轴承健康度进行分级，进而分析有关状态的情况及发展趋势并对滚动轴承做出干预决策。

主权项

1. 基于改进BP神经网络和模糊集理论的轴承健康度评价方法，其特征在于，步骤如下：1）采集原始信号：通过数据采集系统采集由轴承上的加速度传感器收集的振动信号；2）对步骤1）采集的信号进行FFT变换和滤波降噪处理；3）提取滤波降噪之后的振动信号的特征，获得特征参数；具体步骤如下：在FFT降噪处理的频域信号中选取7个状态参数：（a）平均特征频率：(1)（b）平均关闭率：(2)（c）波形的稳定指数：(3)（d）波动率：(4)（e）曲率：(5)（f）峭度：(6)（g）平方根比率：(7)其中是频谱线条数，是振动频率，是振动频率对应的信号功率谱，是标准差，是平均值；针对上述各状态的敏感性进行评估，具体评估方法如下：任意选取2个状态，计算P₁至P₇每个参数在这2个状态下的区分指数DI值；其中_1、2分别代表状态1、状态2下各参数的均值，₁、₂分别代表状态1、状态2下各参数的标准差；通过DI来评估状态参数的灵敏度；选取DI均值较大的四个参数作为BP神经网络输入层的特征参数；4）建立改进BP神经网络模型，具体步骤：首先，建立三层改进BP神经网络模型拓扑结构图，其输入层有6个节点，4个用来输入特征参数，2个用来输入反馈值；输出层有3个节点，用来输出3个隶属度值；隐含层是1层，节点数是8；其次，通过训练神经网络来确定各节点间的权值；5）将选定的四个特征参数输入改进BP神经网络进行状态识别，输出三个隶属度值b1、b2、b3，根据健康度与隶属度关系式，健康度，计算出健康度数值；根据轴承健康度的阈值来判定轴承所处运行状态为健康、亚健康或故障，当，轴承为健康状态，当，轴承处于亚健康状态，当，轴承处于故障状态。