基于小波神经网络的地铁轴承故障诊断方法
提出了一种将小波包变换和改进BP神经网络相结合的地铁轴承故障诊断模型.该模型采用小波包变换对采集到的原始振动信号进行分解和重构,提取能量特征向量,并采用一种改进的小波神经网络模型对地铁轴承进行故障诊断,引人动量因子优化BP神经网络梯度下降算法,以提高模型诊断精度和收敛速度.基于凯斯西储大学轴承故障实验中加速度传感器采集的数据,首先对其进行预处理,然后对神经网络进行训练,当训练误差达到目标精度时,利用该模型开展地铁轴承故障诊断仿真实验.结果表明:改进的小波神经网络模型可以快速、准确地诊断出地铁轴承的故障类型.
地铁轴承、小波包变换、神经网络、故障诊断、信号处理
41
U260.33(机车工程)
国家重点研发计划项目;中央高校基本科研业务费专项资金资助项目
2021-03-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
177-181