基于小波包分解和BP神经网络的轴承故障诊断

被引：13

作者：

叶瑞召 ^{[1
]}

李万红 ^{[2
]}

机构：

[1] 洛阳轴研科技股份有限公司

[2] 河南科技大学机电工程学院

来源：

轴承 | 2012年 / 10期

关键词：

滚动轴承; 故障诊断; 小波包分解; 特征向量; BP神经网络;

D O I：

10.19533/j.issn1000-3762.2012.10.019

中图分类号：

TH133.33 [滚动轴承]; TH165.3 [];

学科分类号：

摘要：

针对滚动轴承的故障诊断,提出了小波包分解与BP神经网络结合的诊断方法。对轴承振动信号进行3层小波包分解,构造其特征向量,输入神经网络进行训练和测试。Matlab仿真结果表明,该方法能有效地诊断出轴承的故障类型。

引用

页码：53 / 56

页数：4

共 9 条

[1] 基于小波包特征向量与神经网络的滚动轴承故障诊断 [J].

刘乐平 ;

林凤涛 .

轴承, 2008, (04) :46-48

[2] 小波包神经网络在轴承故障模式识别中的应用 [J].

王国栋 ;

张建宇 ;

高立新 ;

胥永刚 ;

张雪松 .

轴承, 2007, (01) :31-34

[3] 基于小波神经网络的滚动轴承故障诊断 [J].

陆爽 ;

李萌 .

化工机械, 2004, (03) :155-158

[4]

基于BP神经网络的滚动轴承故障诊断方法[D]. 于婷婷.大连理工大学. 2008

[5]

滚动轴承故障诊断算法及软件[D]. 纪明.兰州理工大学. 2008

[6] Multi-fault diagnosis of rolling bearing elements using wavelet analysis and hidden Markov model based fault recognition [J].

Purushotham, V ;

Narayanan, S ;

Prasad, SAN .

NDT & E INTERNATIONAL, 2005, 38 (08) :654-664

[7] Rolling element bearing fault diagnosis using wavelet packets [J].

Nikolaou, NG ;

Antoniadis, IA .

NDT & E INTERNATIONAL, 2002, 35 (03) :197-205

[8] Application of discrete wavelet transform for detection of ball bearing race faults [J].

Prabhakar, S ;

Mohanty, AR ;

Sekhar, AS .

TRIBOLOGY INTERNATIONAL, 2002, 35 (12) :793-800

[9] An analytical model for the prediction of the vibration response of rolling element bearings due to a localized defect [J].

Tandon, N ;

Choudhury, A .

JOURNAL OF SOUND AND VIBRATION, 1997, 205 (03) :275-292

← 1 →