天津理工大学学报

2017, v.33;No.143(04) 30-35+40

[打印本页] [关闭]
本期目录 | 过刊浏览 | 高级检索

基于小波包神经网络分析的滚动轴承故障诊断
Bearing fault diagnosis based on wavelet packet transform and neural network

赵洁;张惊雷;

摘要(Abstract):

针对轴承故障识别率低、故障信号不平稳的问题,提出了改进小波包能量特征提取和神经网络的故障诊断方法.首先利用改进小波包算法将轴承内圈、外圈、滚动体三个部位的采集信号进行三层分解与重构;然后通过小波包能量谱提取不同节点能量,形成故障特征集;最后依次建立BP和Elman神经网络故障分类模型,将所得的小波包节点能量作为特征向量输入到故障模型,进行轴承不同故障状态的分类识别.实验结果表明,本文算法可准确分类并预测轴承运行状况,提高了诊断准确率.

关键词(KeyWords): 小波包;;节点能量;;神经网络;;故障诊断

Abstract:

Keywords:

基金项目(Foundation): 天津市应用基础与前沿技术研究一般项目(13JCYBJC17800);; 天津市应用基础与前沿技术研究计划重点项目(15JCZDJC32800)

作者(Author): 赵洁;张惊雷;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享