1.3  大型电机故障预测的发展趋势 3

1.4  本文的研究内容与章节安排安排 4

2  电机轴承的结构组成和故障机理研究 5

2.1  轴承的应用及结构 5

2.1.1  轴承的应用 5

2.1.2  滚动轴承的结构 5

2.2 电机轴承的振动机理分析 6

2.2.1  滚动轴承的特征频率 6

2.2.2  滚动轴承的固有振动频率 7

2.2.3  电机轴承的振动机理 8

2.3  电机轴承的常见故障及其原因分析 9

2.4  电机轴承故障信号的选取与处理 10

2.5 本章小结 11

3  模糊神经网络故障预测方法研究 13

3.1  模糊理论基础 13

3.1.1  模糊逻辑系统 13

3.1.2  模糊规则及隶属度函数 14

3.1.3  模糊系统存在的问题 14

3.2  神经网络的介绍 15

3.2.1  人工神经元 15

3.2.2  神经网络的特点及优点 16

3.3  模糊神经网络模型的建立 17

3.3.1  基于Mamdani模糊规则的模糊神经网络 17

3.3.2  基于T—S的模糊神经网络 19

3.3.3  基于线性清晰化的模糊神经网络 20

3.4  自适应神经模糊推理系统 21

3.4.1  网络模型的描述 21

3.4.2  网络模型结构的确定 23

3.5 本章小结 24

4  电机轴承故障预测的软件实现及其仿真 25

4.1  MATLAB介绍 25

4.2  应用实例 25

4.2.1  预测技术与神经网络 25

4.2.2  参数预测的实现策略 25

4.2.3  实例以及仿真研究 26

4.3本章小结 30

结  论 31

致  谢 32

参考文献 33 

1  绪论

1.1  研究背景和意义

近几年来，故障预测技术飞速发展，新的研究成果不断出现。一个复杂大型设备系统往往由大量的工作部件组成，不同的部件之间互相关联，紧密耦合，这一方面提高了系统的自动化水平，为生产带来了可观的经济效益，另一方面，由于影响系统运行的因素骤增，使其产生故障或失效的潜在可能性越来越大[1]。一个部件的故障常常会引起链式反应，若某些微小的故障不能及时排除，将导致整个系统甚至整个生产过程不能正常运行乃至瘫痪，轻则降低性能、影响生产，重则造成停机、停产、毁坏设备，甚至机毁人亡。电机作为现代工业主要的动力设备，其影响是不言而喻的。倘若电机出现故障，使企业的生产中断，将造成无可估量的经济损失。因此，针对电机在线监测与故障预测技术的研究，具有十分重要的理论价值和实践意义[2]。