运用频率指标诊断电机轴承故障的神经网络法

电机滚动轴承的时域振动信号经过快速傅里叶变换和自功率谱处理后，可以获得电机滚动轴承振动的固有频率，然后运用该频率指标，利用多层反向传播前馈型神经网络，通过神经网络的学习和推广两个阶段，可以实现对轴承故障的自动分类诊断。对一电机滚动轴承的实验表明，该方法行之有效，对工程应用具有较高的实用价值。与其它损伤识别指标相比，诊断精度相对提高率均大于１１％，说明频率指标对结构的损伤具有更高的灵敏度。