基于SOM神经网络的齿轮箱健康评估方法
为了实现齿轮箱健康状态早期识别以及定量化评估,提出了一种基于自组织特征映射(SOM)神经网络的齿轮箱健康评估方法.该方法首先对齿轮箱振动信号进行小波降噪处理,减小噪声对信号分析的干扰;然后提取可以描述信号特征的时域参数,归一化后输入到SOM神经网络,计算输入数据与正常数据最佳匹配单元之间的欧氏距离;构造一个用于定量化表征齿轮箱健康状况的无量纲参数——健康值CV,其取值范围为[0,1],CV值越接近1表明系统越健康,反之则表示系统处于故障状态.同时进行数据包络分析,实现状态识别,并基于采集的变速箱振动加速度数据进行验证.试验结果表明,该方法计算所得健康值CV可以较好反映变速箱健康状况,且可以准确识别变速箱状态,具有工程意义.
小波降噪;时域参数;归一化;SOM神经网络;健康值CV;数据包络分析
42
TH17;TN113
2021-09-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
246-251