| 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 |
|
|
