10.13433/j.cnki.1003-8728.2014.1219
基于多尺度熵的滚动轴承Elman神经网络故障诊断方法
针对滚动轴承故障振动信号具有跨尺度复杂性的特点,提出了一种新的基于多尺度熵(multiscale entropy,MSE)和反馈式Elman神经网络的滚动轴承故障诊断方法.该方法利用MSE对滚动轴承不同健康状态下的振动信号进行故障特征提取,并将其作为Elman神经网络的输入,利用Elman神经网络自动识别轴承所属的故障类型及故障程度.实验数据包括不同故障类型和不同故障程度样本,结果表明提出的方法能有效地实现滚动轴承故障类型以及程度的智能诊断,效果优于前馈式概率神经网络(Probabilistic neural network,PNN),并具有较低的虚警率和漏警率.
多尺度熵、Elman神经网络、滚动轴承、故障诊断
33
TH113.1;TN911.7
国家自然科学基金项目51205130,51265010;江西省教育厅科技项目GJJ12318;华东交通大学校立科研基金项目13JD07;江西省自然科学基金项目20132BAB216029;江西省研究生创新专项基金项目YC2014-S244,YC2014-S265
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
1854-1858