基于广义回归神经网络-柔性最大值分类模型的轴承故障诊断方法EI北大核心CSCD |
| |
引用本文: | 陈剑,吕伍佯,庄学凯,陶善勇.基于广义回归神经网络-柔性最大值分类模型的轴承故障诊断方法EI北大核心CSCD[J].振动与冲击,2020(21):1-8. |
| |
作者姓名: | 陈剑 吕伍佯 庄学凯 陶善勇 |
| |
作者单位: | 1.合肥工业大学噪声振动研究所230009;2.安徽省汽车NVH技术研究中心230009; |
| |
基金项目: | 安徽省科技重大专项(17030901049)。 |
| |
摘 要: | 针对复杂工况下的滚动轴承振动信号,提出一种基于广义回归神经网络-柔性最大值分类模型的故障诊断分类方法,实现故障模式的识别。对滚动轴承振动信号进行变分模态分解,特征提取等预处理得到特征数据集,并将其划分为训练集,验证集和测试集;使用训练集和验证集训练广义回归神经网络-柔性最大值分类模型,同时引入灰狼优化算法优选该模型的关键参数平滑因子得到理想的分类模型;将训练好的模型应用测试集,输出故障识别结果;通过模拟试验采集不同工况下的轴承故障数据,进行方法有效性验证。结果表明该方法能在小样本训练集下实现对不同工况下的轴承故障的有效诊断,是一种适用于实际工况的故障诊断方法。
|
关 键 词: | 故障诊断 滚动轴承 广义回归神经网络(GRNN) 柔性最大值归一化 灰狼优化(GWO) |
本文献已被 维普 等数据库收录! |
|