基于小波包和IGA-BP神经网络的滚动轴承故障识别方法 |
| |
引用本文: | 王育炜,王红军,韩秋实,李连玉,熊青春.基于小波包和IGA-BP神经网络的滚动轴承故障识别方法[J].机床与液压,2020,48(17):184-187. |
| |
作者姓名: | 王育炜 王红军 韩秋实 李连玉 熊青春 |
| |
作者单位: | 北京信息科技大学机电工程学院,北京100192;航空工业成都飞机工业(集团)有限责任公司,四川成都610092 |
| |
基金项目: | 国家自然科学基金面上项目(51575055);国家科技重大专项资助(2015ZX04001002) |
| |
摘 要: | 为识别数控机床运行过程中滚动轴承的运行状态,提高滚动轴承的故障状态诊断正确率,提出了一种基于小波包分解的改进遗传算法优化BP神经网络的滚动轴承故障识别方法。以滚动轴承的4种故障状态为研究对象,通过小波包分解振动信号,得到敏感特征向量;针对BP神经网络的缺点,运用改进遗传算法优化BP神经网络的阈值和权值,实现最优训练,建立更精确的滚动轴承IGA-BP状态预测模型。结果表明:IGA-BP预测模型收敛速度更快,预测准确率更高,证明了所提方法的有效性。
|
关 键 词: | 改进遗传算法 小波包分解 BP神经网络 故障识别 |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |
|