在现代化生产中,机械设备的故障诊断技术越来越受到重视,滚动轴承是机械设备中最常用的部件之一,因此滚动轴承的故障诊断技术具有十分重要的意义。通过本课题的研究,能及时地、正确地对滚动轴承各种异常状态或故障状态作出诊断,达到预防或消除故障,提高设备运行的可靠度、安全性和有效性的目的。 本课题的研究过程中,在硬件设计上结合单片机的控制能力及DSP的数字处理能力,设计了DSP+单片机的方案,使系统具有信号采集、数据处理、信号分析、故障诊断等主要功能。 本系统主要适用于对滚动轴承振动信号的采集分析和故障诊断。采用高速A/D进行数据的采集,保证了数据分析所需的数据量,能实现对采集数据的幅值域、时域和频域分析。软件采用模块化设计思想,使系统的维护、改进和功能扩展十分方便,还可进一步推广到其它振动信号的采集和分析。 利用神经网络良好的自适应性、自组织性及很强的学习功能,以小波分析为基础,将小波分析与其结合,从而可以有效地根据训练样本集确定网络结构,采用自适应正交最小方差(SROSL)算法,从根本上消除了样本间相关性的影响,从而使训练结果能够得以保证,也使RBF神经网络的在线训练算法更具操作性。仿真表明,本文所提出的算法是有效的,并在非线性系统的控制中取得了非常好的结果。