滚动轴承运行状态智能化监测[论文]
尖峰能量(gSE)在滚动轴承状态监测中的应用
尖峰能量（gSE）在滚动轴承状态监测中的应用摘要：滚动轴承是在电厂中的泵，风机等旋转机械中应用最广泛的零部件，其运行状态直接影响整台机器的性能、寿命、功能和效率。
利用尖峰能量gSE 技术对滚动轴承进行监督和预测，可以有效对设备运行情况就行反应，从而对经济运行采取有效预防手段。
关键词：滚动轴承尖峰能量gSE 故障诊断振动滚动轴承是在电厂中的泵，风机等旋转机械中应用最广泛的零部件，其运行状态直接影响整台机器的性能、寿命、功能和效率，一旦出现故障，轻则影响机器的正常运行，重则会导致机组的停运，滚动轴承的运行情况对机组的工作状态有着很大的影响。
及时发现滚动轴承故障征兆，准确预测轴承寿命和故障发展情况，有利于体现做好生产维修安排计划，保持机组安全运行。
滚动轴承通过监测、分析与处理能够反映轴承工作状态的信号，从而识别滚动轴承的工作状态。
尖峰能量（gSE）法在设备动态监测和诊断轴承局部损伤方面有独到的见解，并且操作简单、方便。
一、尖峰能量分析原理和信号处理过程尖峰能量（gSE）指滚动体撞击微裂纹和缺陷所产生的振动能量的尖峰。
振动尖峰能量是这种重复的瞬态机械撞击所产生的能量强度的度量。
利用加速度传感器在一定的高频范围内检测振动能量。
在这一高频范围内，机械冲击能量会激起加速度传感器以及机器结构的自振频率。
这些响应频率作为载波频率与滚动轴承的故障频率调制。
冲击能量的强度是脉冲振幅和重复率的函数，由此冲击引起的信号能由加速度传感器并且由独特的过滤和检波电路加以处理，信号测量的大小表示为gSE。
所以当滚动轴承出现故障时，其所产生的脉冲能量所激发的振动能量会明显增大。
因此，尖峰能量在滚动轴承状态监测中非常有效果。
不平衡、不对中和机械松动等旋转机械常见故障频率信号总是体现在机械的转速频率上面，并且集中在中低频段（5Khz以下），滚动轴承和齿轮等出现剥落、裂纹、锈蚀、压痕、内外圈、保持架故障时，其运转过程中会产生非常尖锐的时域脉冲信号。
基于神经网络的滚动轴承故障诊断方法的研究
ｌ ｌ
式中： Ｕ Ｏ １．，；＝ … ，） ＝ ，，． ０ １… ｎ—重构信号离散点的幅值。 ．７
导师 的学习算法 ， 具有广泛的适用性Ｉ ６ １ 。在这里我们采用 Ｂ Ｐ算法
（ ） 了更好的反应不 同故障带来 的固有振动频率 的本质 ， 对故 障诊断网络进行训 练， ３为 具体 的算法流程如下 ： １对网络的权 （）
ｂｌｙａｄｓｌ ｌａｎｎ， ｅ －ｒａｉｎ， ａ ｔｅ ｅ ， ｄｗ ｉ ｄａｆｒｒｌｎ ｅ ｉｇ ａｌｄａｎｓ ． ｉｔ ｎ ｅ －ｅ ｉｇｓｌ ｏｇ ｚ ｇ ａｐ ｉ ， ｔａ ｈｃ ｉ ｉｅｌｏ ｌｇｂａ ｎ ｆｕｔ ｉ ｏｉ ｉ ｆ ｒ ｆ ｎ ｉ ｄ ｖ ｃ ｎ ｈｓ ｏｉ ｒ ｇ ｓ Ｗｅｐｏｏｅ ｔｏ ｏ ａｌ ｔｓｎ ｎｒｌｎ ｅ ｉｇｂ ｅ ｎｎｕａ ｎｔｏｋｉ ｏｎｃｉｎｗｔ ｒ ｓｄａｍ ｈ ｄ ｒ ｕ ｔ ｅｔ ｇｏ ｏｉｇｂａ ｎ ａ ｄ ｏ ｅ ｒ ｅ ｒ ｎｃｎ ｅｔ ｉ ｐ ｅ ｆ ｆ ｉ ｌ ｒ ｓ ｌ ｗ ｏ ｈ ｒｌｎ ｅ ｉ ｍ ｏｔ ｔｏｍ ｃ ｉ ｒ ｄｅｕ ｍ ｎ ｆａｉ ａｔ ａｄａｐｏｉａｅ ０ ｏ ｈｃ ｏｌ ｇｂａ ｎ ｉｉｐ ｒ ａｈｎ ｙａ ｑ ｉｅ ｔ ｒｇｌｐ ｓｎ ｒｘｍ ｔｌ ３ ％ ｆ ｗ ｉｈ ｉ ｒ ｇｓ ｎ ａ ｔ ｅ ｎ ｐ ｆ ｏ ｅ ｒ ｐ ｙ
图 ２诊断测试系统图
表 １滚动轴承特征向量表
输 入层
隐藏层
输 出层
图 １滚动轴承故 障诊断网络结构
网络 的第一层 为输入层 ， 输入 采用 小波分解得到 的特 征向
量 。第 二层为隐藏层 ， 为偏置。由于输入 向量 １范数本身处于 ｂ 一
［，］ ０ １ 区间 ， 故隐藏层选用 Ｓｇ ｏ ｉｍ ｉ ｄ激活 函数，（ ＝ ）
滚动轴承故障的智能诊断方法研究
• 26•针对滚动轴承故障声发射信号的智能识别与诊断问题，提出了一种基于卷积神经网络（Convolutional Neural Networ ks ，CNN ）智能化故障诊断方法。
该方法充分利用声发射信号参数中包含的时域和频域特征信息，构建CNN 模型充分挖掘出滚动轴承处于不同运行状态下的声发射信号特征，并给出故障诊断结果。
实验结果表明，CNN 模型方法对滚动轴承正常、外圈及内圈故障识别准确率可达97.2%以上，证明了该方法的准确性和实际工程价值。
1.引言旋转机械被广泛的应用在生产制造中，滚动轴承是旋转机械的重要组成部件，同时也是最容易损坏与失效的机械零件之一（喻洋洋，周凤星，严保康，基于LabVIEW 的滚动轴承故障诊断系统：仪表技术与传感器，2016）。
声发射检测技术是一种动态无损检测方能诊断学与工程学法，可实现缺陷萌生及扩展过程的在线检测。
将声发射检测技术应用于滚动轴承故障的诊断任务中，不仅可以检测出早期微弱故障及故障类型（郝如江，卢文秀，褚福嘉，等.声发射检测技术用于滚动轴承故障诊断的研究综述：振动与冲击，2008），还可以判断出故障损伤程度。
目前基于声发射检测技术的旋转机械设备故障诊断分析技术，如参数分析、波形分析等方法已经无法满足当前旋转机械连续生产工作中的故障监测任务（沈功田，耿荣生，刘时风，声发射信号的参数分析方法：无损检测，2002）。
赵元喜等人（赵元喜，胥永刚，高立新，等.基于谐波小波包和BP 神经网络的滚动轴承声发射故障模式识别技术：振动与冲击，2010）采用谐波小波包将故障滚动轴承的声发射信号分解到多个频率段并求取各频段的能量，作为特征向量输入BP 神经网络，通过BP 网络模型判别滚动轴承的故障类型。
杨杰等（杨杰，张鹏林，刘志涛，等.基于CEEMD 能量熵与SVM 的低速轴承故障声发射诊断：无损检测，2017）提出了一种采用CEEMD 能量熵提取特征后再利用支持向量机神经网络进行诊断的方法。
毕业论文滚动轴承的加工工艺设计》
滚动轴承加工工艺设计摘要:滚动轴承是现代机器中广泛应用的部件之一，具有摩擦阻力小，功率消耗少，起动容易等优点。
本文对滚动轴承的加工工艺进行了研究和设计。
主要内容包括滚动轴承的类型、性能与特点，滚动轴承的工作情况，滚动轴承尺寸的选择，轴承零件的加工工艺特点，轴承加工的工艺过程及轴承装置的设计。
通过了解滚动轴承的主要类型、性能与特点，结合实际需要中的产品要求，选择合适的轴承及所对应的加工工艺流程。
关键词:滚动轴承；性能；工艺设计Rolling bearing processing technology design Abstract：Rolling bearing is one of the components are widely used in modern machinery, the advantages of small frictional resistance, less power consumption, easy starting, etc.This paper studied the processing technology of the rolling bearing and design.Main contents including the types, performance and characteristics of the rolling bearing and rolling bearing working condition, the choice of rolling bearing size, machining process characteristics of bearing parts, bearing machining process and the design of the bearing assembly.Through understanding the main types of rolling bearing, the performance and characteristics, combined with the actual needs of the product requirements, select the appropriate bearing and the corresponding processing technological process.Key words：Rolling bearing; Performance; Process design目录1摘要 (1)2 滚动轴承的主要类型及其代号 (2)2.1 滚动轴承的主要类型、性能与特点 (4)2.2 滚动轴承零件结构的常用术语 (5)2.3 滚动轴承的代号 (6)3 滚动轴承类型的选择 (8)3.1 选择轴承时的考虑因素 (8)3.2 具体选择 (10)4 滚动轴承产品的性能要求 (11)5 滚动轴承零件的加工工艺特点 (11)5.1 滚动轴承零件的生产特点 (11)5.2 滚动轴承零件工艺过程的特殊性 (12)6 滚动轴承生产的一般工艺过程 (13)7 滚动轴承套圈车削加工 (14)7.1 车削加工的内容和方法分类 (14)7.2 套圈车削的位置精度和定位基准选择 (15)7.3 车削套圈的尺寸公差及余量的确定 (17)7.4 套圈车削加工的切削用量 (20)7.5 套圈车削加工所用的夹具 (21)8 套圈的热处理工序 (21)9 套圈的磨削 (22)9.1 6203轴承套圈的磨削过程 (22)9.2 套圈磨削用夹具 (24)10 钢球加工 (25)10.1 钢球加工的基本工艺路线 (25)10.2 钢球加工余量的确定 (26)11 保持架加工 (27)12 轴承的装配 (28)12.1 装配的基本工艺路线 (28)12.2 轴承零件的组装方法 (28)参考文献 (30)致谢 (31)2滚动轴承的主要类型及其代号2.1滚动轴承的主要类型、性能与特点滚动轴承是现代机器中广泛应用的部件之一，它是依靠主要元件间的滚动接触来支承转动零件的。
滚动轴承内部温度状态监测技术
Ｋｅ ｒ ｓ ｏｌ ｇｈ ａｉｇ ｒａｅ；ｔｍｐ ｒｔｒ ｌｄ；ｎ ｍｅ ｃｌｓｍｕａ ｏ ｙｗｏ ｄ ：ｒｌｎ ｅ ｒ ；ｇｅ ｓ ｅ ｅ ｕｅｆｅ ｉ ｎ ａ ｉ ｕ ｒ ａ ｉ ｌｔ ｎ；ｃ ｎ ｔ ｎｍｏ ｉ ｒｎ ． ｉ ｉ ｏ ｄｉ ｎｔ ｉｇ ｉ ｏ ｏ
在运转期间由于缺油、 少油或碰撞 、 摩擦等原 因， 会引起风机轴承温度升高 ， 出现“ 烧轴” 现象 ； 或由于疲劳磨损、 压痕、 裂纹、 表面剥落、 胶着及杂 物等影响， 致使轴承损伤， 产生 冲击振动， 严重 时 会发生 基础 地脚 螺栓 振 断 、 承 烧坏 、 瓦飞 出等 轴 轴
ｍｅ ｔ ｍｐ ｒｔ ｒ ｎ ｆｇ ｅ ｌ ｎ ａ ｏ ｎａ ｔ ｌ ｅ ｅ ａｕ ｅ ａ ｄ ｏ ｉｌ ｆ ｌ ｇ ｒ ｔ ．Ａｃ ｏ ｄ ｎ ｏ ￣ｅ ｓ ｅ ｅ ａｕ ｅ ａ ｄ ｖｂ ａｉ ｎ ｏ ｏｌ ｇ ｈ ａｉ ｇ ＂ ￣ｅ ｉ ｉ ｉ ｃ ｒ ｉ ｇ ｔ －ｌｅ ｔｍｐ ｒ ｔｒ ｎ ｉ ｒｔ ｆ ｒｌ ｎ ｅ ｒｎ ｓ，ｔ ｅ ＿ Ｍ ｏ ｉ ｈ ｃ ｎ ｉ ｏ ｎ ｔｒ ｇｆ ｒｒｌ ｎ ｅ ｒ ｇ ８ ｂ ｉ ．Ｔ ｅ ｖ ｕ ｆ ｅ ｓ ｒｔｍｐ ｒ ｔｒ Ｓ ｃ ｒ ｃｅ ｔ ｅ ｒ ｇ ｌｒ ｙ ｏ ｏ ｄ ｔ ｎ ｍｏ ｉ ｉ ｌ ｇ ｂ ａ ｎ ｓＷＲ ｕ ｌ ｈ ａ ｅ ｏ ｎ ｏ ｉ ｏｎ ｏ ｏｉ ｉ ｔ ｌ ｓ ｅ ｅ ａｕ ｅ ＷＲ ｏ ｒ ｔｄ ｅ ｌ ｔ ｅ ｕａ ｉ ｆ ｌｈ ｔ ｒｌ ｎ ｅ ｒｎ ｓｉ ｔｒ ａ ｍｐ ｒｔ ｒ ｉｔ ｂ ｔ ｎ ｈ ｅ ｉ ａ ｔｏ ａ ｍｉ ｏ ｕ ａ ｙ Ｗ ８ ｅｉ ｎ ｔｄ ｔ ｅ 【 Ｉ ｆ ｏｌ ｇ ｂ ａ ｉ ｇ ｎｅ ｌ ｔ ｅ ｕ ｅ ｄｓｒ ｕ ｏ ．Ｔ ｍｐ ｃ ｎ ａ ｒ ｎ ａ ｅ ｒ ｅ Ｒ ｌ ｉ ｎ ｅ ａ ｉ ｉ ｌ ｇ ｍｉａ ｅ ｌ ｔ ａ ｇ ｏ ｌ ｈ ｒｅ ｅ ｖｒ ｎ ｎａ ｅ ｅ ａｕ ｅ ａ ｄ ｏ ｒａ ｅ ｆ ｌ ａ ｏ ｎ ｏ ｍｅ ｔｌｔｍｐ ｒ ｔ ｒ ｎ ｆ￣ｅ ｓ ｌ ｎ ｒ ｔ ． ｉ ｉｉ ｇ ｉ
基于共振解调的滚动轴承状态监测及故障诊断系统
图 ４ 正常轴承 时域波形图与频谱 图
谭嚣
图 １ 共振解 调原理示意图
２滚动轴承故障测试诊断系统 滚动轴承故 障测试诊 断系统的主界面如 图 ２所示。
图 ５ 故 障 轴承 时域 波 形 图 与 频谱 图
对比时域波形 的两个图 ，有故障的轴承 的振幅要比正常轴承 的 振幅大 ， 并且故障轴承 的时域波形呈现 明显的周期性 ， 表明轴承有磨 损， 但具体位置不好确定。为 了确定位置 ， 对故 障轴承利用共振解调
＝
．
＝
以容 易地诊断出轴承 的故障来。其原理 示意如图 １ 所示。
—
元件损伤 ・一 冲击
敞 障 诊 断
一
｝起 ｌ
芦起 ｒ— Ｉ ＿
高频固有撼动 ＿ 传黪器捂敬 的攮 动信号
包 缗 樯 渡
一 ．
— — 漏在 一
频 谗 分 析
竺竺 兰
—・ 一 包缮频谱 —
—一 包络信号 ・——一 某～ 高频 圈膏 撼动
图 ３ 轴 承测 试 诊 断 系统 总体 结构 图
故障诊断部分的主要任务是根据测得的信号 与数据记录诊断出 的意义。 故障发生 的部位 ， 用来分析故障 的原 因及对策 。具体 包括 ： 数据回放 传统 的测控仪器 由于费用高、 技术更新周期长等原因， 越来越不 与管理 、 特征频率计算与显示等。 能满足科技进步的要求。 以计算机为核 心的虚拟仪器 ， 而 由于其功能 ３故 障诊断实例 可由用户 自己定义 ，技术更新快，价格和软 件开发维护费用低等优 本 文以 ＧＢ ２ ４滚动轴 承为对 象 ， 拟出两种状 态 ： 常轴承 ６０ 模 正 点， 在故障诊断领域越 来越得到重视和 欢迎。本文利用 Ｌ ｂ ＩＷ 软 和外 圈故障。故 障是在与滚珠相接触 的外圈内侧通过激光线切割来 ａ ＶＥ 件开发出来的监测和诊断 系统 ，实现 了对滚动轴承状态的监测和早 实现 ， 障尺 寸为 １ 故 ×１ ｍｍ。轴 承 的 参 数 为滚 动 体 直 径 ｄ ７９ ｍｍ ， ＝ ４
滚动轴承故障诊断的频谱分析
滚动轴承故障诊断的频谱分析滚动轴承在机电设备中的应用非常广泛，滚动轴承状态的好坏直接关系到旋转设备的运行状态，因此在实际生产过程中作好滚动轴承的状态监测与故障诊断是搞好设备维修与管理的重要环节。
滚动轴承在其使用过程中表现出很强的规律性，并且重复性强。
正常优质轴承在开始使用时振动和噪声均比较小，但频谱有些散乱，幅值比较小。
运动一段时间后，振动和噪声保持在一定水平，频谱比较单一，仅出现一，二倍频，极少出现三倍工频以上频谱，轴承状态非常平稳，进入稳定工作期。
持续运行后进入使用后期，轴承振动和噪声开始增大，有时出现异音，但振动增大的变化比较缓慢，此时，轴承峭度值开始突然到达一定值。
可以认为此时轴承出现了初期故障。
这时就要对轴承进行严密监测，密切注意其变化。
此后轴承峭度值又开始快速下降，并接近正常值，而振动和噪声开始显著增大，其增大幅度开始加快，其振动超过标准时（ISO2372），其轴承峭度值也开始快速增大，当轴承超过振动标准，峭度值也超过正常值时，可认为轴承已进入晚期故障，需要及时检修设备，更换滚动轴承。
1、滚动轴承故障诊断方式振动分析是对滚动轴承进行状态监测和故障诊断的常用方法。
一般方式为：利用数据采集器在设备现场采集滚动轴承振动信号并储存，传送到计算机，利用振动分析软件进行深入分析，从而得到滚动轴承各种振动参数的准确数值，进而判断这些滚动轴承是否存在故障。
采用恩递替公司的Indus3振动测量分析系统进行大中型电机滚动轴承的状态监测和故障诊断，经过近几年实际使用，其效果令人非常满意。
要想真实准确反映滚动轴承振动状态，必须注意采集信号的准确真实，因此要在离轴承最近的地方安排测点。
2、滚动轴承正常运行特点与诊断技巧滚动轴承的运转状态在其使用过程中有一定的规律性，并且重复性非常好。
例如，正常优质轴承在开始使用时，振动幅值和噪声均比较小，但频谱有些散乱(图1)这可能是由于制造过程中的一些缺陷，如表面毛刺等所致。
滚动轴承运行状态智能化监测
［ ３ 】 汪耕， 李希 明等． 大型汽轮发 电机设 计、 制造 与运行 【 Ｍ． 上 海， 上海科学技 术 出版社， ２ ０ ０ ０ ， ２ ７ ４ — ３ ５ ０ ．
３
交 流 阻 抗 机 组 处于 非正 常状 态， 对 阻抗 下 降 ８ ％， 损 耗上 无 法 确 定 和 功 率 损 较严 重故 障做 出判 新， 但 升 １ ０ ％可 能存在 故障 故障槽
４ 总 结
交流阻抗法 成品转予各工序 阻抗差小于较大值 ３
３
探测线 圈法 仅 在转 速达到 额 同号线 圈 电压 之差与较 定转速时用 大值之 比不大于 ５ ％
３ ． ３ 并网带负荷状态的检测方法 在实 际的生产过程 中 ， 因为 限制运输单位 重量或者其他原 因． 分体发送的方式通常被大型汽轮发电机所采用 。 依 照规定标 准． 在 厂内 ． 只有 首台产品应 当进行 整机形式 的试 验 ． 在批量生 产成型产品过后 ， 都不需要进行整机试验。所以 ， 本节所介绍 的 方法应 用场景是在现场整机装机后 的检验过后 。这些方法是 为 了铺垫诊断转子短路故障的功能。 表 ３表示了在运行状态下 ， 检 验转子匝间短路故障 的特点以及方法。 表 ３ 并 网带负荷状态下转子 匝间短路故障的检验方法
作 状 态
［ ２ ］ － ／ Ｊ ， 、 帆． 基 于混沌与 改进 Ｂ Ｐ神 经网络的电价预测［ Ｄ 】 ． 华中 科技 大学 ． ２ ０ ０ ７ ．
（ 上接 第 ８ ５页）
上图是 电梯 Ｐ Ｌ Ｃ控制 系统 图。
７ 结 束 语
参考文献 ：
［ １ ］ 史信 芳 、 陈英 、 毛 宗源． 电梯 技 术 ［ Ｍ］ ． 电子 工业 出版社 ，
ｌ
滚动轴承的故障诊断系统研究时域系统研究
摘要滚动轴承是旋转机械中应用最广泛的一种通用部件，也是机械设备中的易损零件，许多机械的故障都与滚动轴承的状态有关。
据统计，在使用滚动轴承的旋转机械中，大约30％的机械故障是由于滚动轴承的损坏造成的。
可见，滚动轴承的好坏对机械系统工作状况的影响极大。
由于设计不当和安装工艺不好或轴承的使用条件不佳，或突发载荷的影响，使轴承运转一段时间后会产生各种各样的缺陷，并且在继续运行中进一步扩大，使轴承运行状态发生变化。
因此，滚动轴承的故障诊断一直是研究的热点。
本文首先从理论上分析了滚动轴承的失效形式、振动机理、振动类型、及发生故障的原因、振动频率；然后在理论基础上提出了滚动轴承的时域、频域的诊断方法；最后搭建了基于Matlab的滚动轴承故障诊断系统，并通过Matlab仿真轴承故障信号，在软件中进行信号分析和处理，验证各种诊断方法的优劣和滚动轴承的故障特征。
本论文按照预定的要求完成了设计任务，研究了滚动轴承的故障诊断方法，完成了故障诊断系统的设计，通过仿真验证了滚动轴承的故障诊断方法。
关键词：滚动轴承；故障诊断；时域分析；频域分析；MatlabAbstractRolling element bearing is one of the most widely used general part of rotating machinery,and one of the most easily damaged parts of mechanical equipment. A lot of mechanical failure is relevant to the state of rolling element bearings. It is estimated that about 30 percent of mechanical failure is caused by its fault in the rotating machine with rolling element bearings. It is obvious that the quality of rolling element bearings has a great impact on the working condition of electromechanical systems. Because of wrong design, poor working condition or a jump heavy load, bearing will be damaged and worse during the running time. So at present, the fault diagnosis of rolling element bearings is a research hotspot.Firstly, the failure forms, the vibration mechanism, vibration type, and the failure cause, vibration frequency of bearing are analyzed in theory.Secondly, based on the theory put forward the time domain, frequency domain diagnostic methods.Finally, the software for the fault diagnosis system of the rolling bearings is designed by Matlab,along with the simulation of bearing fault signals by Matlab.To analysis and processing the signal in software. Verify the merits of various diagnostic methods and characteristics of rolling bearing faults.The paper successfully completed the design task and the result meets the expectation. We researched the fault diagnosis methods and completed the fault diagnosis system design and simulation shows the fault diagnosis methods of rolling element bearings.KeyWords：rolling element bearings,fault diagnosis,time-domain analysis,frequency-domain analysis,Matlab目录摘要 (I)Abstract (II)第一章绪论 ...........................................................................................................- 1 -1.1 本课题研究的主要意义 ...........................................................................- 1 -1.2 滚动轴承故障诊断方法 ...........................................................................- 2 -1.3 滚动轴承故障诊断技术的发展概况 .......................................................- 3 -1.4 滚动轴承故障诊断技术的发展方向 .......................................................- 5 -1.5 本课题主要研究内容 ...............................................................................- 5 -第二章滚动轴承的故障特征分析 .......................................................................- 6 -2.1 概述 ...........................................................................................................- 6 -2.2 滚动轴承的典型结构 ...............................................................................- 6 -2.3 滚动轴承的主要失效形式及原因 ...........................................................- 7 -2.4 滚动轴承的几何参数 ...............................................................................- 8 -2.5 滚动轴承的特征频率 ...............................................................................- 9 -2.6 滚动轴承的振动特性 .............................................................................- 10 -2.6.1 滚动轴承的固有振动 ...................................................................- 11 -2.6.2 轴承构造引起的振动 ...................................................................- 12 -2.6.3 轴承装配不正确、轴颈偏斜产生的振动 ...................................- 13 -2.6.4 精加工波纹度引起的振动 ...........................................................- 13 -2.6.5 滚动轴承的故障引起振动 ...........................................................- 13 -第三章滚动轴承故障诊断方法研究 .................................................................- 16 -3.1 概述 .........................................................................................................- 16 -3.2 时域分析的特征参数 .............................................................................- 16 -3.3 频域分析的特征参数 .............................................................................- 18 -第四章轴承故障诊断系统总体设计 .................................................................- 22 -4.1 概述 .........................................................................................................- 22 -4.2 Matlab软件简介.....................................................................................- 22 -4.3 滚动轴承故障诊断系统总体设计 .........................................................- 24 -4.3.1 系统界面子系统 ...........................................................................- 24 -4.3.2 轴承特征频率计算子系统 ...........................................................- 25 -4.3.3 数据加载子系统 ...........................................................................- 26 -4.3.4 信号模拟子系统 ...........................................................................- 27 -4.3.5 时域分析子系统 ...........................................................................- 28 -4.3.6 频域分析子系统 ...........................................................................- 31 -4.3.7 打印子系统 ...................................................................................- 32 -第五章轴承实测信号处理 .................................................................................- 33 -5.1 概述 .........................................................................................................- 33 -5.2 模拟合成信号 .........................................................................................- 33 -5.3 模拟合成信号分析 .................................................................................- 34 -5.4 轴承实测信号分析 .................................................................................- 35 -结论 .....................................................................................................................- 38 -参考文献 .................................................................................................................- 39 -致谢 .....................................................................................................................- 41 -附录A 频域分析系统程序 .................................................................................- 42 -第一章绪论1.1 本课题研究的主要意义机械故障诊断技术是近40年来发展起来的识别机器或机组运行状态的科学。
滚动轴承故障诊断研究的国内现状与发展方向
滚动轴承故障诊断研究的国内现状与发展方向一、内容综述随着我国工业生产的不断发展，滚动轴承在各个领域得到了广泛的应用。
然而由于长期使用、磨损、过热等原因，滚动轴承故障问题也日益严重，给企业的生产带来了很大的困扰。
因此对滚动轴承故障诊断技术的研究显得尤为重要。
尽管如此我国在滚动轴承故障诊断方面的研究还存在一些不足之处。
首先理论研究相对较少，很多故障诊断方法和技巧还需要进一步验证和完善；其次，现场检测设备和技术水平有待提高，导致很多故障无法得到及时、准确的诊断；缺乏对滚动轴承故障诊断技术的广泛推广和应用，使得许多企业和用户仍然依赖于国外先进的诊断设备和技术。
面对这些挑战，我国滚动轴承故障诊断领域的研究者们正积极探索新的研究方向和发展模式。
一方面加强基础理论研究，提高滚动轴承故障诊断的准确性和可靠性；另一方面，加大对现场检测设备的研发力度，降低故障诊断的成本和难度；此外，还要加强国内外交流与合作，推动滚动轴承故障诊断技术的普及和应用。
相信在我国科研人员的不懈努力下，滚动轴承故障诊断技术将会取得更加丰硕的成果。
1. 研究背景和意义随着我国经济的快速发展，各行各业对机械设备的需求越来越大，而滚动轴承作为机械设备中的重要部件，其性能直接影响到设备的稳定性和使用寿命。
然而近年来我国滚动轴承故障诊断技术的研究和应用水平相对较低，导致很多企业在设备运行过程中出现了大量滚动轴承故障，给企业带来了巨大的经济损失。
因此深入研究滚动轴承故障诊断技术，提高我国滚动轴承故障诊断技术的研究和应用水平，具有重要的现实意义和紧迫性。
首先滚动轴承故障诊断技术的研究和应用可以有效地降低企业的维修成本。
通过对滚动轴承故障的及时、准确地诊断，可以避免因故障导致的设备停机、生产中断等严重后果，从而降低企业的维修成本。
同时滚动轴承故障诊断技术的提高还可以延长设备的使用寿命，进一步降低企业的维修成本。
其次滚动轴承故障诊断技术的研究和应用可以提高企业的安全生产水平。
基于时域和频域分析的滚动轴承故障诊断
基于时域和频域分析的滚动轴承故障诊断一、本文概述随着工业技术的不断发展，滚动轴承作为旋转机械中的关键部件，其运行状态直接影响到设备的性能与安全性。
然而，由于工作环境的恶劣、长时间运行以及维护不当等因素，滚动轴承常常会出现各种故障，如疲劳剥落、磨损、裂纹等。
这些故障不仅会降低设备的运行效率，还可能引发严重的安全事故。
因此，对滚动轴承进行故障诊断技术的研究具有重要意义。
本文旨在探讨基于时域和频域分析的滚动轴承故障诊断方法。
文章将简要介绍滚动轴承的工作原理及其常见故障类型，为后续的分析和诊断奠定基础。
然后，重点阐述时域分析和频域分析的基本原理及其在滚动轴承故障诊断中的应用。
时域分析主要关注轴承振动信号的时序特征，通过提取信号中的幅值、相位、频率等信息，揭示轴承的运行状态。
而频域分析则通过对信号进行频谱转换，分析轴承在不同频率下的振动特性，进一步识别潜在的故障特征。
通过结合时域和频域分析，本文旨在提供一种全面、有效的滚动轴承故障诊断方法。
这种方法不仅能够准确识别轴承的故障类型，还能对故障程度进行定量评估，为设备的维护和管理提供有力支持。
本文还将对现有的故障诊断方法进行比较和评价，探讨各种方法的优缺点及适用范围，为相关领域的研究和实践提供参考和借鉴。
二、滚动轴承故障类型及原因滚动轴承作为机械设备中的重要组成部分，其运行状态直接影响到整个设备的性能和稳定性。
因此，对滚动轴承的故障诊断至关重要。
滚动轴承的故障类型多种多样，主要包括疲劳剥落、磨损、腐蚀、裂纹和塑性变形等。
这些故障的产生往往与多种因素有关，如材料质量、制造工艺、运行环境、操作维护等。
疲劳剥落是滚动轴承最常见的故障类型之一，主要是由于轴承在循环应力作用下，材料表面发生疲劳破坏，形成剥落坑。
疲劳剥落的原因主要包括轴承材料的疲劳强度不足、循环应力过大、润滑不良等。
磨损是轴承在运行过程中，由于摩擦力的作用导致材料逐渐损失的现象。
磨损的原因主要包括润滑不良、异物侵入、材料耐磨性不足等。
智能化滚动轴承状态监测
智能化滚动轴承状态监测1 绪论1.1 滚动轴承状态检测的意义滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件，它们在旋转机械中起着关键的作用，旋转机械的故障30%是由滚动轴承故障引起的，其运行状态的正常与否直接影响到整台机器的性能(包括精度、可靠性及寿命等)[1]。
据统计，仅有10-20%的轴承达到他们的设计寿命。
大量实验证明，滚动轴承的疲劳寿命是非常离散。
在相同的实验条件下，结构设计、材质、加工方法相同的同一批轴承，其最长与最短的寿命可能相差数十倍甚至上百倍。
由于轴承的这个特点，在实际使用中就出现这样一种情况，即有的轴承己大大超过设计寿命而依然完好地工作，而有的轴承远未达到设计寿命就出现各种故障。
所以，如果按照设计寿命对轴承进行定期维修，一方面，会对超过设计寿命而完好工作的轴承拆下来作为报废处理，造成浪费;另一方面，未达到设计寿命而出现故障的轴承或者坚持到定期维修时拆下来报废，使得机器在轴承出现故障后和拆下前这段时间内工作精度下降，或者未到维修时间就出现严重故障，导致整个机器出现严重事故[2]。
由此看来，对重要用途的轴承来说定时维修是很不科学的，要进行工况监视与故障诊断，改传统的定时维修为视情维修或预知维修，这不但可以防止机械工作精度下降，减少或杜绝事故发生，而且可以最大限度地发挥轴承的工作潜力，节约开支，具有重要意义。
1.2 滚动轴承诊断技术的发展与现状1.2.1 国外轴承诊断技术的发展早期人们对滚动轴承的故障诊断是依靠听觉来加以判断，虽然熟练的技术员工能觉察到轴承刚发生的疲劳剥落与损伤部位，但受主观因素的影响较大。
真正意义上的滚动轴承的监测与诊断开始于20世纪60年代[3]，人们用振动位移、速度或加速度的均方根值或峰值来判断轴承有无故障，这样减少了对人为经验的依赖。
几十年来，故障诊断技术不断吸收各门科学技术发展的新成果，诊断的理论与应用有了很大的发展和进步，它涉及系统论、控制论、信息论、检测与估计理论、计算机科学等多方面的内容，成为集许多相关专业学科于一体的新兴交叉学科。
滚动轴承检测方法
隆启科技
频谱分析法
3.频谱分析法
利用振动数据采集器对滚动轴承振动信号进行频谱分析，需要 建立轴承数据库软件（几万个轴承型号），得到滚动轴承内圈、外圈、
滚珠和保持架的特征频率进行比对分析
黄色 绿色 红色
Bearing defect - 19-05-05 - time signal - Amplitude Modulation
2 2 h
t t an1
xk t x t
隆启科技
包络解调分析法
幅值A(t)就是信号x(t)的包络信号，这样经过希尔伯特变换检波， 除去高频的振动分量，然后用含有缺陷激振分量的A(t)代替原始信号 x(t)进行频谱分析，便可以进行缺陷的故障诊断。
X(t)=U(t)•A(t) 实验采用圆柱滚子轴承N205，轴承参数为： 滚动体直径d=7.5mm，轴承节径D=39mm，滚动体数Z=12，接触角α=0。
上海隆启科技发展有限公司
目标：主导石化行业的检测技术应用和发展方向
任务：注重现场问题的解决
隆启科技
滚动轴承故障的检测方法
隆启科技
滚动轴承故障的检测方法
滚动轴承是泵、风机和电机的主要基础零部件之一， 是日常生产运行中重点监测对象。下图描述了泵和电机 主要存在的运行机械故障。
轴承失效 密封失效 失去平衡
不对中
碰磨
松动
滚动轴承生命周期
滚动轴承生命周期
冲击 脉冲 信号 水平 峰值 疲劳
隆启科技
典型
滚动轴承故障的检测方法
隆启科技
滚动轴承是泵、电机和风机的易损件，轴承的故障会导 致设备剧烈振动和噪声，甚至会引起部件损坏。 滚动轴承在运转过程中引起损坏的故障原因：装配不当、 润滑不良（水分和异物侵入、腐蚀），振动大和过载。
滚动轴承常见故障及其振动信号特征 论文
滚动轴承常见故障及其振动信号特征摘要:轴承为机械设备的关键部件之一,轴承损坏能直接影响设备正常运作,影响生产效率。
本文对轴承的常见故障原因及形式进行分析,并总结其故障检测方法和轴承在发生故障时的振动信号特征。
关键词:轴承故障振动信号中图分类号:th133 文献标识码:a 文章编号:1672-3791(2012)06(c)-0085-02及时对系统关键部件进行维修和更换可以在一定程度上避免系统工作过程中关键部件损坏带来的系统故障造成的经济损失和人员伤害。
滚动轴承为旋转机械的关键部件,其运行状态直接决定转动部件的效率和安全,本文总结了常见的滚动轴承故障种类和轴承故障检测方法,并对轴承振动信号特点进行分析。
本文对轴承故障的诊断和设备的维修提供参考作用,有助于实现对轴承故障的原因和种类的预先判断。
1 轴承故障形式及原因分析滚动轴承在工作过程中,由于装配不当、润滑欠缺、异物侵入或者超负荷运转等都可能引发轴承损坏,或者过载等都可能引发轴承损坏,或者长时间工作后产生疲劳剥落或者自然磨损导致系统故障。
常见的轴承故障可总结为损伤和磨损两大类。
常见的损伤类故障有疲劳剥落、塑性变形、轴承烧伤、锈蚀、断裂、胶合六种；磨损类故障为轴承长期正常工作引起的渐变性故障。
1.1 疲劳剥落滚动轴承发生故障的典型方式是其滚动接触发生单纯的疲劳剥落。
在工作中,轴承滚子和滚道接触面相对滚动的同时又互相挤压,加上周期交变载荷的作用,长时间工作后,轴承部件接触面将产生小的剥落坑,最终发展为大面积剥落,该现象称作疲劳剥落。
1.2 塑性变形当工作载荷过重时,由于滚动轴承承受的过大的冲击力和静载荷的原因,轴承滚道的表面上形成的不均匀凹坑,这种现象主要发生在低速旋转的轴承上。
另外由于热变形而引起的额外的载荷也可能使轴承产生塑性变形[1]。
1.3 断裂过大的负荷是轴承内部部件断裂的主要原因,另外工作过程中摩擦产生的热应力过大时也能引起轴承零件的断裂。
滚动轴承故障诊断中精确转频的实用计算新方法
和公式 ( 7)可以得到时域上平均每周期的数据点数 N t
和频域上平均每周期的数据点数 N f 分别为:
Nt=
fs fr
( 8)
Nf=
fr = df
fr fs
@N FFT
如果 N t > Nf
即
f f
s
r
>
fr fs
@N FFT,
fr<
( 9)
f s 时在时域 N FFT
上求取转频误差会比较小。反之, 如果 f r > fs 时, N FFT
进行精确调节与选择的过程中, 择近原则是利用某一
66
振 动与 冲击
2007年第 26卷
加权函数对各转频点及其各阶倍频进行加权计算, 认 为计算后的结果就是该转频点处的能量值, 具有最大 能量总和的转频即为最佳转频。因此加权函数的选取 和参与加权计算的数据个数很重要, 可以根据实际情 况进行调节。
4 应用实例
p @ ( 2+
K@w ) 2 @ fs
@f r
@ v, 一般取
10 左右 的正 整数 。
5) 对于每一转频 f ri, 定义贴近度为
m
E R( f ri, S ) = R (f rij, S ) j= 1
( 14)
那么具有最大贴近度的转频 fri 即为最佳转频。这就是
择近原则的基本原理。
从上可以看出, 在对目标转 频前后若干个转频点
fr;
v为每个转频的倍频数, 一般
取 10左右的正整数。
2) 为提高频率分辨率, 对时标脉冲信号补 0 处
理, 进行频域分析, 求其功率谱 S
S = { sl }, l = 1, 2, ,, p
滚动轴承健康智能监测和故障诊断机制研究综述
滚动轴承健康智能监测和故障诊断机制研究综述王婧;许志伟;刘文静;王永生;刘利民【期刊名称】《计算机科学与探索》【年(卷),期】2024(18)4【摘要】轴承作为工业设备机械系统中最关键并且最容易发生故障的零件之一,长期处在高负荷的运行状态。
当其发生故障时或者不可逆的磨损时,可能带来事故甚至造成巨大经济损失。
因此,对其进行有效的健康监测和故障诊断,对于保障工业设备安全稳定运行有着重要的意义。
为进一步促进轴承健康监测和故障诊断技术的发展,对当前现有的模型及方法进行分析与总结,并对现有技术进行划分、对比。
从使用的振动信号数据分布出发,首先,对数据分布均匀下的相关方法进行整理,主要按照基于信号分析和基于数据驱动两方面进行研究现状的分类、分析与总结,对该情况下故障检测方法所存在的不足与缺陷进行概述。
其次,考虑实际工况下数据采集通常具有不均衡特性的问题,对处理该类情况下的检测方法进行总结,并将现有研究中对该问题的不同处理技术根据其侧重点不同分为数据处理方法、特征提取方法、模型改进方法,并对所存在的问题进行分析。
最后,对现有工业设备中轴承故障检测存在的挑战及未来发展方向进行了总结与展望。
【总页数】21页(P878-898)【作者】王婧;许志伟;刘文静;王永生;刘利民【作者单位】内蒙古工业大学数据科学与应用学院;中国科学院计算技术研究所【正文语种】中文【中图分类】TP391【相关文献】1.风电装备故障诊断与健康监测研究综述2.智能滚动轴承监测方法与技术研究现状综述3.高速列车轴箱轴承健康监测与故障诊断研究综述4.滚动轴承故障诊断分析方法研究综述5.基于振动信号的滚动轴承复合故障诊断研究综述因版权原因，仅展示原文概要，查看原文内容请购买。
高速动车组轴承运行状况监测系统的设计与实现
高速动车组轴承运行状况监测系统的设计与实现引言：随着高速动车组的广泛应用，轴承故障对其运行安全和正常运行的影响逐渐凸显。
因此，设计一套高效可靠的轴承运行状况监测系统对于保障高速动车组的安全运行和提高运行效率具有重要意义。
本文将讨论高速动车组轴承运行状况监测系统的设计与实现。
一、需求分析1.1 动车组轴承运行状况监测需求高速动车组运行过程中，高负荷和高速度对轴承造成严峻的工作环境，因此监测轴承的运行状况对保证列车的安全运行至关重要。
1.2 传感器要求传感器需要能够准确获取轴承的运行数据，如温度、振动、冲击等，具备高精度、高灵敏度、可靠性。
1.3 监测参数及准确性监测系统需要能够追踪和记录轴承的重要参数，如温度、振动、冲击等，同时这些参数需要具备较高的准确性，以提供准确的数据支持。
1.4 实时监测与远程传输监测系统需要实时监测轴承的运行状况，并能将数据远程传输到监测中心或维护人员的终端设备上。
二、设计方案2.1 传感器选择由于轴承运行状况的监测需要涉及多个参数，因此选取多个传感器分别测量不同参数的数据。
常用的传感器包括温度传感器、振动传感器、加速度传感器等。
可以通过分析这些传感器的测量数据，判断轴承的正常运行状态。
2.2 数据采集与处理传感器采集到的数据需要采用采集模块进行实时采集，并通过数据处理模块进行数据清洗和整理。
对于异常数据，可以通过算法进行自动的筛选和标注，以区分正常运行和异常状态。
2.3 数据存储与传输监测系统需要能够将采集到的数据进行存储和传输。
可以采用云存储技术，将数据存储在云服务器上，可以实现大容量的数据存储和远程访问。
同时，还可以采用物联网技术，将数据传输到监测终端设备上，以便及时监测和维护。
三、实现过程3.1 硬件设计根据需求分析和设计方案，选择适当的传感器，并设计相应的采集模块和数据处理模块。
在硬件设计过程中，需要考虑传感器和模块的可靠性和稳定性，以确保监测系统的准确性和可靠性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
滚动轴承运行状态智能化监测
摘要随着科技的迅速发展，轴承系统在工业生产中广泛应用，使得常规故障诊断技术越来越难以满足人们对轴承系统的可靠性
要求，而人工神经网络的智能诊断技术越来越受到青睐，并成为轴承系统故障诊断发展的重点方向。
关键词监测智能诊断轴承系统人工神经网络
图分类号：th133.33 文献标识码：a
1简介
1.1滚动轴承状态监测的意义
滚动轴承是各类旋转机械中最常用的通用零部件，在旋转机械中起到关键作用。
据统计，30%的旋转机械故障因滚动轴承故障引起，滚动轴承运行状态的正常与否直接影响到整台机器的性能，滚动轴承的状态监测和故障诊断就显得格外重要。
1.2滚动轴承故障的类型
滚动轴承在安装和运转过程中可能导致轴承出现疲劳剥落和磨
损等失效状态。
滚动轴承主要的故障类型为：轴承磨损、轴承疲劳、腐蚀失效、断裂失效、压痕失效和胶合失效。
1.3常见滚动轴承故障信号采集
常见的轴承故障信号采集方法有：油样分析法、温度监测法、振动法、声发射法。
1.4 人工神经网络在故障诊断中的应用
1.4.1神经网络概述
神经网络以非线性为基础，模拟人脑细胞的分布式工作特点和自组织功能实现并行处理、自学习和非线性映射等能力，具有高度的学习联想能力。
目前神经网络己经在智能控制、模态识别、非线性优化、自适应滤波、语音识别、机器人工程、生物医学等领域获得了广泛的应用。
1.4.2 bp神经网络在故障诊断中的功能
基于神经网络的故障诊断就是利用样本训练收敛稳定后的结点
连接权值，向网络输入待诊断的样本征兆参数，计算网络的实际输出值，根据大小排序，从而确定故障类别。
bp网络故障模式识别系统主要包含：数据样本采集、数据处理、特征值的提取、bp神经网络的建立、网络的学习、故障识别几个过程。
2人工神经网络的智能识别
2.1人工神经网络概述
人工神经网络（artificial neural network，简称ann）是一个由大量简单的处理单元（神经元）广泛连接组成的人工网络，是以工程技术手段模拟人类大脑的神经网络结构与功能特征的一种技
术系统，它用大量的非线性并行处理器来模拟众多的人脑神经元。
具有很强的非线性映射能力。
2.1.1人工神经元模型
经过简化的神经元结构，它具有r个输入分量，其输入分量p（j=1，2…，r），通过与它相乘的权值分量wj（j=1，2，…，r）相连，以形式求和后，形成激活函数的输入，激活函数（·）的另一个输入
是神经元的阀值b。
权值与与输入的矩阵形式可以由行矢量与列矢量来表示，表示为：w=[w1w2……wr]，p=[p1p2……pr]
神经元的输出矢量可表示为：
a==
2.1.2激活转移函数
激活函数的基本作用是：控制输入对输出的激活作用；对输入、输出进行函数转换；将可能无限域的输入变换成指定的有限范围内的输出。
以下是几种常见的激活函数：
（1）阀值型激活函数
阀值型函数可以将任意的输入转化为0或1的输出.
（2）在（-1，1）或（0，1）内连续取值的单调可微函数常用单极性或双极性曲线表示。
单极性s型激活函数关系式：
=
（3）线性激活函数
线性激活函数常用于实现函数逼近的神经网络的输出层神经元。
2.1.3人工神经网络结构
大量功能简单的神经元通过一定的拓扑结构组织起来，构成群体并行式处理的计算结构，这种结构就是人工神经网络。
将一个神经元的输出送到另一个神经元作为输入称之为连接，每个连接通路对
应一个连接权系数，相同神经元经过不同的连接方式将得到具有不同特性的神经网络。
2.2 bp神经网络
在故障诊断领域中常用的是bp 神经网络。
标准bp 网络由三层神经元组成，包含输入层、隐含层、输出层。
同一层神经元互不相连，不同神经元层之间相互相连。
bp 网络的算法由正向传播和反向传播两个阶段组成。
数据信号从输入层输入，经隐层处理后再到输出层输出。
实际输出与期望输出相比较得到网络的输出误差，误差信号沿网络反向传播，并按误差函数的负梯度方向不断地修正各层的连接权植和阈值，使得误差信号最终达到精度要求。
2.2.1 bp神经网络的网络结构
三层bp神经网络的结构如下所示，每个神经元用一个节点表示，网络由输入层、隐层和输出层节点组成。
前层节点与后层节点通过权值连接，层与层的节点之间相互连接，同一层的各节点之间互不连接。
2.2.3 bp神经网络输入层、输出层和隐层的设计
bp神经网络的指导思想就是，对网络权值和阀值不断进行修正，是误差函数沿负梯度方向下降，bp神经网络有三层节点：输入节点，隐层节点和输出节点。
3输入层和输出层的设计
输入的神经元可以根据需要求解的问题和数据表示方式确定。
在故障诊断中，输入层神经元个数一般等于每个样本中包含的特征值
的个数。
输出层的维数可根据设计者的要求确定，在故障诊断中，一般将bp网络用作分类器，如类别模式一共有m个，则输出层神经元的个数为m。
3.1隐层的设计
由于一个三层的基于bp算法的神经网络可以完成任意的n维到m 维的映射，本文选取网络隐层数为1。
隐层单元的个数与问题的要求、输入/输出单元的数目都有着直接关系。
隐层单元个数太多会导致学习时间过长、误差不一定最佳，也会导致容错性差、不能识别以前没有见到的样本等问题，因此一定存在一个最佳的隐层单元数。
目前对隐层节点数的选取尚无统一标准，一般是根据经验或通过训练学习后，考虑网络的学习次数和识别率综合比较后选定。
隐层神经元数的选取经验公式主要有：
=2+1 ； =+ （1﹤﹤10）；= ；0.02﹤﹤4
其中，h为隐层神经元数目，m是输入层神经元数，n是输出层神经元数。
3.2训练参数的选择
设定合理的隐含层神经元激活函数和输出层神经元激活函数，设定合理的目标误差、最大训练步数和学习效率，进行训练。
3.3 确定隐层神经元的个数
对具有一定隐层神经元个数神经网络进行特征性训练，找到最小误差网络误差值对应的隐层神经元个数。
将以上特征值归一化，导入matlab中运行程序。
当误差最小，确定网络中隐层神经元个数
为，和bp神经网络的的最终训练结果。
4 结论
本文从理论上分析了滚动轴承故障的振动机理与特征，针对滚动轴承早期损伤类故障的诊断特点，选取适合的故障特征参数，建立了基于bp神经网络的滚动轴承故障诊断系统，利用轴承振动的实测数据，进行了仿真诊断研究。