基于PF能量特征和优化神经网络的轴承诊断 |
| |
引用本文: | 潘阳,陈安华,何宽芳,李学军,曾波.基于PF能量特征和优化神经网络的轴承诊断[J].振动.测试与诊断,2013,33(Z1). |
| |
作者姓名: | 潘阳 陈安华 何宽芳 李学军 曾波 |
| |
作者单位: | 湖南科技大学机械设备健康维护湖南省重点实验室 湘潭,411201 |
| |
基金项目: | 国家自然科学基金资助项目,国防预研基金,湖南省高等学校科学研究资助项目,湖南科技大学研究生创新基金资助项目 |
| |
摘 要: | 内圈点蚀、外圈压痕和滚动体磨损是滚动轴承常见典型故障,为实现其快速、准确诊断,提出基于振动信号局部均值分解(local mean decomposition,简称LMD)的PF分量能量特征和神经网络相结合的滚动轴承诊断方法.对振动信号进行局部均值分解,将其分解为若干个乘积函数(product function,简称PF)分量之和,以获得的PF分量能量特征作为神经网络输入进行滚动轴承的故障类型的识别,同时引入遗传算法对神经网络结构参数进行优化,提高故障识别诊断速度和准确率.结果表明,该方法用于轴承典型故障诊断有较高的诊断速率和故障识别率.
|
关 键 词: | 滚动轴承 局部均值分解 遗传算法 神经网络 故障诊断 |
本文献已被 万方数据 等数据库收录! |
|