| 基于信息融合的机器人薄壁轴承故障智能诊断 |
| |
| 引用本文： | 徐彦伟,刘明明,刘洋,陈立海,颉潭成.基于信息融合的机器人薄壁轴承故障智能诊断[J].光学精密工程,2019,27(7):1577-1592. |
| |
| 作者姓名： | 徐彦伟 刘明明 刘洋 陈立海 颉潭成 |
| |
| 作者单位： | 河南科技大学 机电工程学院,河南 洛阳,471003;河南科技大学 机电工程学院,河南 洛阳,471003;河南科技大学 机电工程学院,河南 洛阳,471003;河南科技大学 机电工程学院,河南 洛阳,471003;河南科技大学 机电工程学院,河南 洛阳,471003 |
| |
| 基金项目： | 国家自然科学基金资助项目;河南省高校青年骨干教师资助项目 |
| |
| 摘 要： | 为了实现轴承故障智能诊断,对基于信息融合的机器人薄壁轴承故障智能诊断方法进行研究。首先,采用声发射和振动传感器,搭建了机器人薄壁轴承试验与多信息数据采集系统;然后,以薄壁单列角接触球轴承ZR71820为对象,在轴承外圈、内圈和滚动体上分别制作点蚀、裂纹缺陷,用正交试验法采集不同缺陷类型、不同当量载荷及不同转速状态下薄壁轴承在试验过程中的声发射和振动信号;最后,选取时域中均方根值和峭度指数及频域中均方根频率作为振动、声发射信号的特征参数,分别进行了基于单一振动、声发射信号的薄壁轴承故障诊断,并采用SOM与BP神经网络将试验过程中的振动和声发射信号的特征信息进行融合,研究了基于信息融合的机器人薄壁轴承故障智能诊断技术。结果表明:基于振动信号故障诊断的正确率为85.7%;基于声发射信号故障诊断的正确率为81.0%;基于BP神经网络信息融合故障诊断的正确率为93.5%;基于SOM神经网络信息融合故障诊断的正确率为95.2%。基于SOM神经网络信息融合的薄壁轴承故障智能诊断比单用振动或声发射信号的诊断正确率分别高出9.5%和14.2%,比用BP神经网络信息融合故障诊断的正确率高1.7%。
|
| 关 键 词： | 薄壁轴承 多信息融合 故障诊断 神经网络 智能诊断 |
Intelligent fault diagnosis of thin wall bearing based on information fusion |
| |
| XU Yan-wei,LIU Ming-ming,LIU Yang,CHEN Li-hai,XIE Tan-cheng.Intelligent fault diagnosis of thin wall bearing based on information fusion[J].Optics and Precision Engineering,2019,27(7):1577-1592. |
| |
| Authors: | XU Yan-wei LIU Ming-ming LIU Yang CHEN Li-hai XIE Tan-cheng |
| |
| Affiliation: | (School of Mechatronics Engineering, Henan University of Science and Technology, Luoyang 471003, China) |
| |
| Abstract: | XU Yan-wei;LIU Ming-ming;LIU Yang;CHEN Li-hai;XIE Tan-cheng(School of Mechatronics Engineering, Henan University of Science and Technology, Luoyang 471003, China) |
| |
| Keywords: | thin wall bearings multi-information fusion fault diagnosis neural network intelligent diagnosis |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
