滚动轴承表面损伤故障智能诊断新方法

被引:15
作者
陈果
机构
[1] 南京航空航天大学民航学院
关键词
滚动轴承; 小波包变换; 神经网络; 特征提取; 智能诊断;
D O I
10.19650/j.cnki.cjsi.2009.01.009
中图分类号
TH133.33 [滚动轴承];
学科分类号
摘要
本文针对目前基于小波变换的滚动轴承故障诊断研究中普遍存在小波变换参数选取和故障特征计算无法自动完成的问题,提出了一种基于小波包变换的滚动轴承故障特征自动提取技术,实现了小波函数参数的自动选取和故障特征的自动提取。最后,基于结构自适应神经网络方法建立了滚动轴承的集成神经网络智能诊断模型,利用实际的滚动轴承实验数据进行了验证,结果表明了本文方法的有效性。
引用
收藏
页码:44 / 49
页数:6
相关论文
共 9 条
[2]   基于小波包变换的滚动轴承故障诊断方法的研究 [J].
张辉 ;
王淑娟 ;
张青森 ;
翟国富 .
振动与冲击, 2004, (04) :129-132+155
[3]   连续小波变换在滚动轴承故障诊断中的应用 [J].
程军圣 ;
于德介 ;
邓乾旺 ;
杨守 .
中国机械工程, 2003, (23) :64-67+6
[4]   机械故障信号小波包分解的时域特征提取方法研究 [J].
杨国安 ;
钟秉林 ;
黄仁 ;
贾民平 ;
许云飞 .
振动与冲击, 2001, (02) :27-30+33+94
[5]   滚动轴承故障特征的小波提取方法 [J].
傅勤毅 ;
章易程 ;
应力军 ;
李国顺 .
机械工程学报, 2001, (02) :30-32+37
[6]   小波包络分析在滚动轴承诊断中的应用 [J].
史东锋 ;
鲍明 ;
屈梁生 .
中国机械工程, 2000, (12) :72-75+8
[7]   连续小波变换及其在滚动轴承故障诊断中的应用 [J].
林京 .
西安交通大学学报, 1999, (11) :110-112
[8]  
滚动轴承振动监测与诊断[M]. 机械工业出版社 , 梅宏斌著, 1995
[9]   Rolling element bearing fault diagnosis using wavelet packets [J].
Nikolaou, NG ;
Antoniadis, IA .
NDT & E INTERNATIONAL, 2002, 35 (03) :197-205