基于DBI-小波包分解和改进BP神经网络的轴承故障诊断方法研究 |
| |
引用本文: | 张玉彦,张金龙,文笑雨,李浩,孙春亚,王昊琪,乔东平.基于DBI-小波包分解和改进BP神经网络的轴承故障诊断方法研究[J].河南理工大学学报(自然科学版),2023(1):116-123. |
| |
作者姓名: | 张玉彦 张金龙 文笑雨 李浩 孙春亚 王昊琪 乔东平 |
| |
作者单位: | 郑州轻工业大学河南省机械装备智能制造重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目(52105536,51905494);;教育部人文社会科学研究青年基金资助项目(19YJCZH185);;河南省科技攻关项目(202102210088);;河南省高等学校重点科研计划项目(20A460029); |
| |
摘 要: | 针对轴承故障诊断问题,以振动信号为分析对象,提出DBI-小波包分解和改进BP神经网络的诊断方法。采用4层小波包分解获取振动信号的不同频带特征,引入戴维森堡丁指数(Davies-Bouldin index,DBI)定量评价小波包分解结果,确定小波基函数为FK22时达到最佳分解结果。采用改进的BP神经网络对不同频带特征识别,引入弹性梯度下降法解决传统BP神经网络收敛速度慢和梯度消失等问题,提高网络训练速度。同时,针对BP神经网络隐藏层层数及各隐藏层节点个数难以确定的问题,设计正交实验对不同参数组合效果进行验证,选出最佳参数,避免盲目低效调参。对电机滚动轴承进行验证,结果表明平均故障识别准确率达到98.833%。
|
关 键 词: | 轴承故障诊断 小波包分解 BP神经网络 戴维森堡丁指数 |
|
|