基于WPD和模糊神经网络的轴承故障诊断

被引：4

作者：

张思扬 ^{[1
,2
]}

匡芳君 ^{[2
]}

徐蔚鸿 ^{[3
]}

机构：

[1] 湖南师范大学物理与信息科学学院

[2] 湖南安全技术职业学院电子信息工程系

[3] 长沙理工大学计算机与通信工程学院

来源：

湖南科技大学学报(自然科学版) | 2010年 / 25卷 / 02期

关键词：

轴承故障诊断; 小波包分解; 模糊神经网络; 隶属函数; 正交最小二乘;

D O I：

暂无

中图分类号：

TH165.3 [];

学科分类号：

080202 ;

摘要：

提出一种结合小波包分解和模糊神经网络的故障诊断方法,采用小波包分解与重构提取各频带的能量作为故障特征向量,并以此为学习样本,再利用正交最小二乘学习算法训练模糊神经网络,确定故障诊断系统模型,对轴承故障进行诊断和识别.仿真结果及与其它一些方法比较表明:该轴承故障诊断方法可以有效识别和预测轴承的状态,且学习效率、准确性和可靠性等方面均有较大提高.

引用

页码：28 / 31

页数：4

共 6 条

[1] 基于小波包分解的滚动轴承故障诊断 [J].

黄中华 ;

尹泽勇 ;

刘少军 ;

丁文强 .

湖南科技大学学报(自然科学版), 2008, (02) :32-35

[2] 基于模糊神经网络的非线性系统模型的辨识 [J].

翟东海 ;

李力 ;

靳蕃 .

计算机学报, 2004, (04) :561-565

[3] 基于模糊神经网络的航空发动机故障诊断研究 [J].

蔡开龙 ;

杨秉政 ;

谢寿生 .

机械科学与技术, 2004, (01) :96-98

[4] 基于小波包的滚动轴承故障特征提取 [J].

杨建国 .

中国机械工程, 2002, (11) :41-43+4

[5]

Bearing fault diagnosis using FFT of intrinsic mode functions in Hilbert–Huang transform[J] . V.K. Rai,A.R. Mohanty.Mechanical Systems and Signal Processing . 2007 (6)

[6] A fuzzy neural network approach to machine condition monitoring [J].

Javadpour, R ;

Knapp, GM .

COMPUTERS & INDUSTRIAL ENGINEERING, 2003, 45 (02) :323-330

← 1 →