共查询到18条相似文献,搜索用时 62 毫秒
1.
神经网络在滚动轴承故障诊断中的应用 总被引:1,自引:0,他引:1
提出了基于神经网络的滚动轴承故障诊断方法,以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别,经过实验表明,该方法对于滚动轴承的故障诊断具有一定的应用价值,并可方便地推广到类似的诊断领域。 相似文献
2.
唐立力 《机械工程与自动化》2014,(3)
针对滚动轴承的故障诊断问题,设计了一种最优隐层BP神经网络,借助经验公式确定隐层单元数的取值范围,进行计算平均迭代次数和均方误差来寻找最优隐层单元数。通过MATLAB仿真,结果表明该BP神经网络具有较高的诊断效率和准确度。 相似文献
3.
针对滚动轴承的故障诊断问题,提出了一种基于遗传算法的BP神经网络滚动轴承故障诊断方法。以BP神经网络的误差为目标函数,利用遗传算法进行BP神经网络的权值和阈值优化,并用优化后的BP神经网络进行故障诊断。通过MATLAB仿真,结果表明遗传算法优化的BP神经网络相比传统的BP神经网络具有更好的诊断效率和准确度。 相似文献
4.
基于BP神经网络的滚动轴承故障诊断研究 总被引:4,自引:0,他引:4
通过对滚动轴承振动信号的分析处理,提取能够反映轴承运行状态的特征量作为BP神经网络的输入,并用BP算法对该网络进行训练,利用神经网络的智能性来判断轴承所属的故障类型。仿真结果表明,该方法实用有效。 相似文献
5.
为更好地对滚动轴承进行状态监测和故障诊断,采集3种不同状态下的滚动轴承振动信号,根据振动信号特点提取其时域和频域的相关特征,然后分别利用SVM(支持向量机)和BP神经网络进行模式识别。不断减少每种状态下训练样本集的个数,利用2种不同的方法进行模式识别。当每种状态下的样本个数为3个时,支持向量机仍然能准确地将测试样本进行分类,而BP神经网络完全无法识别。实验结果表明,支持向量机比BP神经网络更适合于小样本的故障诊断。 相似文献
6.
7.
8.
9.
总结分析了轴承的故障形式及原因,给出了振动频率,阐述了Bp网络的结构及算法,并对实例建立BP神经网络。 相似文献
10.
11.
连续小波变换在滚动轴承故障诊断中的应用 总被引:8,自引:2,他引:8
采用连续小波分析的方法对滚动轴承振动和速度信号进行处理,提取滚动轴承故障特征。通过对滚轴承在正常、内圈剥落、外圈剥落及滚动体落情况下的振动加速度信号进行分析,验证了这种方法的有效性。 相似文献
12.
针对轴承运行状态采用极大熵谱法建立了 AR模型 ;并计算出轴承正常及故障状态的时序模型。对饱含着信号的时间序列进行了故障敏感因子计算、极大熵谱分析 ,对滚动轴承故障进行了定性的诊断 ,同时将功率谱和极大熵谱进行比较分析 ,为诊断提高可靠信息 相似文献
13.
滚动轴承是旋转机械的重要典型零部件,本文将自回归(AR)模型应用于滚动轴承故障诊断,对其时域信号建立自回归模型,计算出其AR功率谱,并和经典功率谱进行比较,进而判断轴承的工作状态。实验结果表明,该方法能简单有效地识别滚动轴承故障。 相似文献
14.
15.
16.
基于小波分析的变速箱滚动轴承故障诊断方法的研究 总被引:7,自引:0,他引:7
利用小波分析技术将滚动轴承故障振动信号分解到时-频空间,定义了滚动轴承故障振动信号能量分布函数S(t) ,提出了能量分布函数S(t) 细化谱诊断变速箱滚动轴承故障的分析方法。在某自行火炮的变速箱上进行了一系列滚动轴承故障诊断实验,实验结果验证了能量分布函数S(t) 细化谱诊断变速箱滚动轴承故障的有效性 相似文献
17.
基于神经网络的滚动轴承在线状态监测与诊断系统 总被引:2,自引:0,他引:2
本文介绍一种适合于大中企业关键机组或机组群滚动轴承运行状态在线监测与故障诊断的仪器系统设计原理,并提出了基于神经网络进行故障评价的系数自修正策略,给出了系统工业现场实时运行结果。 相似文献