基于小波包与质心粒子群的齿轮箱故障诊断及应用

摘要：

针对齿轮箱振动信号中蕴含大量状态信息难以有效提取的问题，利用小波包分解对原始振动信号进行降噪及特征能量提取，通过 BP 神经网络实现故障的模式识别。针对神经网络收敛速度慢、易陷入局部最优值问题，提出利用简单、易行的质心粒子群算法对 BP 神经网络的权值和偏置进行优化。在粒子群算法中，通过设计种群质心和最优个体质心、根据粒子位置动态改变惯性权重，并将其引入粒子群算法的速度调整公式中：来构建质心粒子群算法。分别将该方法与基本粒子群算法、遗传算法应用在齿轮箱故障诊断中，通过比较表明该方法可以有效提高分类效率和准确率。

关键词：小波包变换、质心粒子群算法、振动信号、神经网络

所属期刊栏目：35

分类号：TH113.1;TH132.4

在线出版日期：2016-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：191-195