基于PSO-BP神经网络和Hilbert谱奇异值的滚动轴承故障诊断

被引：11

作者：

侯一民 ^{[1
]}

孙嘉兵 ^{[1
]}

张宇 ^{[2
]}

陈艳虎 ^{[1
]}

机构：

[1] 东北电力大学自动化工程学院

[2] 大唐珲春热电厂

来源：

组合机床与自动化加工技术 | 2014年 / 07期

关键词：

滚动轴承; 希尔伯特谱; 奇异值分解; 粒子群算法; BP神经网络;

D O I：

10.13462/j.cnki.mmtamt.2014.07.021

中图分类号：

TH133.33 [滚动轴承]; TH165.3 [];

学科分类号：

082805 [农业机械化与装备工程];

摘要：

Hilbert谱奇异值是对振动信号进行Hilbert-Huang变换得到Hilbert谱时频矩阵后,再利用奇异值分解的方法提取矩阵的特征得到的。将振动信号的谱奇异值作为故障特征,用粒子群优化BP神经网的方法来诊断故障类型,并将该方法与传统BP神经网络做比较分析,实验结果证明,该方法具有收敛速度快、准确度高的特点。

引用

页码：77 / 79+83 +83

页数：4

共 10 条

[1]

基于Hilbert谱奇异值的轴承故障诊断 [J].

赵志宏 ;

杨绍普 ;

李韶华 .

中国机械工程, 2013, 24 (03) :346-350

[2]

基于模糊PSO-BP神经网络的配电网故障选线方法 [J].

郝静 ;

朱锋 ;

王韵然 ;

兰华 ;

许云仕 ;

李琳琳 .

电测与仪表, 2011, 48 (12) :53-57

[3]

基于EMD能量熵和支持向量机的齿轮故障诊断方法 [J].

张超 ;

陈建军 ;

郭迅 .

振动与冲击, 2010, 29 (10) :216-220+261

[4]

基于第二代小波的复合故障诊断方法研究 [J].

崔玲丽 ;

高立新 ;

殷海晨 ;

胥永刚 .

中国机械工程, 2009, 20 (04) :442-446

[5]

一种基于EMD的振动信号时频分析新方法研究 [J].

胡劲松 ;

杨世锡 ;

任达千 .

振动与冲击, 2008, (08) :71-73+154+178

[6]

最优Morlet小波滤波及其在机械故障特征分析中的应用 [J].

程发斌 ;

汤宝平 ;

赵玲 .

中国机械工程, 2008, (12) :1437-1441

[7]

基于内禀模态奇异值分解和支持向量机的故障诊断方法 [J].

程军圣 ;

于德介 ;

杨宇 .

自动化学报, 2006, (03) :475-480

[8]

Generalized singular value decomposition in multidimensional condition monitoring of machines—A proposal of comparative diagnostics.[J].Czeslaw Cempel.Mechanical Systems and Signal Processing.2008, 3

[9]

Application of time–frequency entropy method based on Hilbert–Huang transform to gear fault diagnosis.[J].Dejie Yu;Yu Yang;Junsheng Cheng.Measurement.2007, 9

[10]

基于人工智能优化算法的聚丙烯熔融指数预报建模优化研究 [D].

李九宝 .

浙江大学,

2012

← 1 →