摘 要：提出了基于小波分析和SOM網(wǎng)絡(luò)相結(jié)合的故障診斷方法，利用小波分析技術(shù)采集拖拉機(jī)齒輪故障特征信號(hào)，然后利用SOM神經(jīng)網(wǎng)絡(luò)對(duì)采集到的故障數(shù)據(jù)進(jìn)行建模診斷。實(shí)驗(yàn)表明，該方法能有效提高齒輪故障診斷的準(zhǔn)確率。 關(guān)鍵詞：小波分析;SOM網(wǎng)絡(luò);故障診斷 [b][align=center]Application of Wavelet Neural Network in Gear faults diagnosis FU Baolong[/align][/b] Abstract: Based on the wavelet analysis and SOM nerual network fault diagnosis, using wavelet analysis technology acquisition tractor gear fault signal Then SOM neural network processing of data modeling fault diagnosis. The experiments show that this method can effectively raise the gear fault diagnosis accuracy. Keywords: the wavelet analyzes; SOM Networks; faults diagnosis 1 引言 　　齒輪是改變轉(zhuǎn)速和傳遞動(dòng)力的最常用的傳動(dòng)部件，是機(jī)械設(shè)備的一個(gè)重要組成部分，也是易于發(fā)生故障的一個(gè)部件，其運(yùn)行狀態(tài)對(duì)整機(jī)的工作性能有很大的影響。一旦發(fā)生故障，往往會(huì)導(dǎo)致嚴(yán)重的后果。如果能及時(shí)診斷出故障并加以消除，則可以避免事故的發(fā)生，并且能提高機(jī)器運(yùn)行的可靠性，進(jìn)一步提高機(jī)器的使用率。 　　目前我國(guó)齒輪故障診斷仍然以手工分析為主，隨著診斷技術(shù)的發(fā)展，依靠計(jì)算機(jī)和軟件開展診斷是機(jī)械設(shè)備故障診斷技術(shù)發(fā)展的大趨勢(shì)[1]。本文嘗試把小波分析技術(shù)引入到齒輪故障信號(hào)的分析中，利用它提取齒輪故障發(fā)生時(shí)的特征信號(hào)，并運(yùn)用SOM神經(jīng)網(wǎng)絡(luò)對(duì)獲取的信號(hào)進(jìn)行故障診斷建模，以期取得更好的效果。 2 基于小波變換的信號(hào)提取 　　齒輪發(fā)生故障時(shí)，所測(cè)得的信號(hào)中含有非平穩(wěn)成分或時(shí)變成分，而這些成分又往往直接反映了齒輪的運(yùn)行狀態(tài)。小波變換具有時(shí)頻域局部化等特性[2]，適合于非平穩(wěn)信號(hào)和時(shí)變信號(hào)的特征提取，特別是連續(xù)小波變換，可提取信號(hào)中所需頻段隨時(shí)間變化的成分，不僅適于設(shè)備穩(wěn)態(tài)信號(hào)特征提取，而且適合于狀態(tài)發(fā)生變化的過程，使信號(hào)特征提取顯得十分有效。 詳情請(qǐng)點(diǎn)擊：小波神經(jīng)網(wǎng)絡(luò)在齒輪故障診斷中的應(yīng)用