基于小波一阶灰度矩向量和神经网络的旋转机械故障诊断的研究

摘要：

在旋转机械轴系振动故障模拟试验的基础上,对大量故障模拟试验数据进行计算,建立了典型故障的小波一阶灰度矩向量样本,将其作为概率神经网络的输入进行故障诊断研究.结果表明,基于一阶灰度矩向量的概率神经网络可实现对训练样本100％的正确识别率,对“陌生”样本的正确识别率也超过75％.可见,概率神经网络综合了Bayes分类器和神经网络的优势,利用概率神经网络融合信号的一阶灰度矩向量特征实现旋转机械轴系故障模式识别是一种可行有效的方法.

关键词：故障诊断、小波分析、一阶灰度矩向量、概率神经网络

所属期刊栏目：39

分类号：U226.8+1(电气化铁路)

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：153-155,161