|
|||||
|
|
| 基于LMD近似熵和PNN的轴承故障诊断 | |
| 作者单位： | ;1.中北大学机械与动力工程学院 |
| 摘 要： | 提出一种基于局部均值分解(LMD)近似熵和概率神经网络(PNN)的滚动轴承故障诊断方法。通过对信号LMD分解,非平稳信号能够转换成若干个平稳的乘积函数分量(PF)之和;轴承在发生不同故障时,产生频谱相异的信号,其近似熵不同,因此可通过提取原始信号的近似熵,来判别轴承的运行状态。实验表明,信号经过LMD分解得到若干PF分量,从中提取近似熵,组成N维特征向量,输入PNN模型,能够准确地判断故障类型;在小数据的情况下,相比于BP和RBF两种传统神经网络,PNN具有更优的故障分类能力。 |
| 关 键 词： | 局部均值分解 近似熵 概率神经网络 故障诊断 轴承 |
Fault Diagnosis of Bearing Based on LMD Approximate Entropy and PNN |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |