基于最优广义S变换和脉冲耦合神经网络的轴承故障诊断

被引:8
作者
张云强
张培林
吴定海
李兵
机构
[1] 军械工程学院车辆与电气工程系
关键词
故障诊断; 滚动轴承; 特征提取; 广义S变换; 脉冲耦合神经网络;
D O I
10.13465/j.cnki.jvs.2015.09.005
中图分类号
TH133.33 [滚动轴承]; TH165.3 [];
学科分类号
摘要
针对滚动轴承故障信号具有明显的非线性和非平稳特征,提出一种基于最优广义S变换和脉冲耦合神经网络(PCNN)的故障特征提取方法。首先采用基于时频聚集性最优化的广义S变换获取轴承故障信号的时频表示,然后利用脉冲耦合神经网络对最优广义S变换时频图进行二值分解,提取二值图像的捕获比序列用于表达故障信号的故障特征。对滚动轴承4种状态信号进行分析,验证方法的有效性。结果表明该方法能够提取出更加有效的轴承故障特征参数,有利于提高轴承故障诊断的精度。
引用
收藏
页码:26 / 31
页数:6
相关论文
共 10 条
  • [1] 简化PCNN在磨粒图像颜色特征提取中的应用
    张云强
    张培林
    任国全
    [J]. 内燃机工程, 2013, 34 (05) : 69 - 75
  • [2] 基于双树复小波包峭度图的轴承故障诊断研究
    李辉
    郑海起
    唐力伟
    [J]. 振动与冲击, 2012, 31 (10) : 13 - 18
  • [3] 基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断
    蔡艳平
    李艾华
    石林锁
    许平
    张玮
    [J]. 内燃机工程, 2012, 33 (02) : 72 - 78+85
  • [4] 短时傅里叶变换在线性调频信号时频滤波中的应用
    迟华山
    王红星
    郭奇
    赖淑蓉
    [J]. 电讯技术, 2012, 52 (02) : 155 - 159
  • [5] 自适应广义S变换在内燃机气缸盖振动特性研究中的应用
    郑旭
    郝志勇
    金阳
    卢兆刚
    [J]. 振动与冲击, 2011, 30 (01) : 167 - 170
  • [6] 广义S变换及其时频滤波
    陈学华
    贺振华
    黄德济
    [J]. 信号处理, 2008, (01) : 28 - 31
  • [7] 齿轮及齿轮箱故障诊断实用技术[M]. 机械工业出版社 , 丁康, 2005
  • [8] Pulse-coupled neural networks and one-class support vector machines for geometry invariant texture retrieval
    Ma, Yide
    Liu, Li
    Zhan, Kun
    Wu, Yongqing
    [J]. IMAGE AND VISION COMPUTING, 2010, 28 (11) : 1524 - 1529
  • [9] Feature extraction using unit-linking pulse coupled neural network and its applications
    Gu, Xiaodong
    [J]. NEURAL PROCESSING LETTERS, 2008, 27 (01) : 25 - 41
  • [10] A comparative study on classification of features by SVM and PSVM extracted using Morlet wavelet for fault diagnosis of spur bevel gear box[J] . N. Saravanan,V.N.S. Kumar Siddabattuni,K.I. Ramachandran. Expert Systems With Applications . 2007 (3)