10.19557/j.cnki.1001-9944.2021.06.017
基于SVD-PE与神经网络的滚动轴承故障诊断模型
针对滚动轴承在运行过程中出现的多种故障问题,提出一种新型的滚动轴承故障诊断方法,该方法通过奇异值分解算法对振动数据进行处理,通过去除振动数据中噪音,获取较为纯净的数据信息.然后通过排列熵算法对数据特征进行分析,分析后的特征数据信息输入至反向传播算法,对故障种类数据进一步处理,再利用轴承故障诊断分析模型进行高效地诊断.试验表明,通过采用该研究的SVD-PE算法模型,故障样本平均正确率为91.75%,提高了故障诊断的平均值.
滚动轴承、奇异值分解、排列熵、反向传播算法、故障诊断
36
TH117
2021-07-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
85-89