小波能谱熵和优化神经网络的滚动轴承诊断方法
内圈裂纹、外圈松动和掉渣是滚动轴承常见典型故障,为实现其快速、准确地诊断,本文提出基于振动信号小波能谱熵特征和神经网络相结合的滚动轴承诊断方法.首先对振动信号进行小波分解和重构,得到小波重构系数,利用重构系数的能谱熵特征作为神经网络输入进行滚动轴承的故障类型的识别,同时引入遗传算法对神经网络结构参数进行优化,以进一步提高故障识别诊断速度和准确率.结果表明:该方法用于轴承典型故障诊断有着更高的诊断速率和故障识别率.
滚动轴承、小波能谱熵、遗传算法、神经网络、故障诊断
32
TP206(自动化技术及设备)
国防预研项目625010339;国家自然科学基金项目51175169;湖南省高等学校科学研究一般项目11C0530
2016-04-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
1670-1674