| 小波包分析和BP神经网络在滚动轴承故障模式识别中的应用 |
| |
| 引用本文： | 黄良沛,吴超威,王靖. 小波包分析和BP神经网络在滚动轴承故障模式识别中的应用[J]. 电子测量技术, 2016, 39(4): 164-168 |
| |
| 作者姓名： | 黄良沛 吴超威 王靖 |
| |
| 作者单位： | 1. 湖南科技大学机械设备健康维护省重点实验室湘潭411201; 2. 湖南科技大学机电工程学院湘潭411201,湖南科技大学机电工程学院湘潭411201,1. 湖南科技大学机械设备健康维护省重点实验室湘潭411201; 2. 湖南科技大学机电工程学院湘潭411201 |
| |
| 基金项目： | 国家自然科学基金委员会与中国民用航空局联合资助项目(批准号:U1433118)、湖南省自然科学基金与湘潭市科技局联合资助项目（批准号14JJ5011） |
| |
| 摘 要： | 根据滚动轴承振动信号的不同故障模式在频域能量分布中的差异性,提出了基于小波包分解与重构和BP神经网络的轴承故障模式识别技术。论文首先对轴承振动信号进行小波包三层分解,完成了振动信号在空间的完整拆分，同时得到了第三层由低频到高频的小波包分解系数，再依据小波包分解系数分别重构各频段的信号,并提取信号各频段的能量。然后利用信号各频段的能量组成的特征矢量作为BP神经网络的输入样本,对BP神经网络进行训练,获得不同故障模式识别网络模型，最后利用测试数据对建立起来的BP神经网络模型进行检验,通过BP神经网络判别滚动轴承的故障类型。实验结果证明,采用小波包分解与重构和BP神经网络相结合的方法可以比较准确地识别滚动轴承的故障。
|
| 关 键 词： | 滚动轴承 小波包分解 BP神经网络 模式识别 |
Fault pattern recognition of rolling bearing using wavelet package analysis and BP neural network |
| |
| Huang Liangpei,Wu Chaowei and Wang Jing. Fault pattern recognition of rolling bearing using wavelet package analysis and BP neural network[J]. Electronic Measurement Technology, 2016, 39(4): 164-168 |
| |
| Authors: | Huang Liangpei Wu Chaowei Wang Jing |
| |
| Affiliation: | 1.Hunan Provincial Key Laboratory of Health Maintenance for Mechanical Equipment, Hunan University of Science and Technology, Xiangtan 411201, China; 2. School of Electromechanical Engineering, Hunan University of Science and Technology, Xiangtan 411201, China,School of Electromechanical Engineering, Hunan University of Science and Technology, Xiangtan 411201, China and 1.Hunan Provincial Key Laboratory of Health Maintenance for Mechanical Equipment, Hunan University of Science and Technology, Xiangtan 411201, China; 2. School of Electromechanical Engineering, Hunan University of Science and Technology, Xiangtan 411201, China |
| |
| Abstract: | |
| |
| Keywords: | rolling bearing wavelet packet decomposition, BP neural network pattern recognition |
|
| 点击此处可从《电子测量技术》浏览原始摘要信息 |
|
点击此处可从《电子测量技术》下载免费的PDF全文 |
|
