基于小波神经网络的齿轮系统故障诊断附视频

被引：12

作者：

李永龙

邵忍平

薛腾

机构：

[1] 西北工业大学机电学院

来源：

航空动力学报 | 2010年 / 01期

关键词：

离散小波变换; 神经网络; 特征提取; 小波阈值去噪; 故障诊断; 齿轮;

D O I：

10.13224/j.cnki.jasp.2010.01.006

中图分类号：

TH132.41 [齿轮及齿轮传动];

学科分类号：

摘要：

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.

引用

页码：234 / 240

页数：7

共 4 条

[1] 聚类分析的数据挖掘方法及其在机械传动故障诊断中的应用 [J].