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
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%.
轴承故障诊断、小波包分解、BP神经网络、戴维森堡丁指数
42
TH165;TH133
国家自然科学基金;国家自然科学基金;河南省重点研发与推广专项科技攻关项目;郑州轻工业大学博士科研基金资助项目;教育部人文社会科学研究项目;河南省科技攻关项目;河南省高等学校重点科研计划项目
2023-03-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
116-123