基于BP和RBF神经网络的滚动轴承故障诊断比较

被引：24

作者：

孙大洪

王发展

刘强

张顾钟

原思聪

机构：

[1] 西安建筑科技大学机电工程学院

来源：

轴承 | 2010年 / 02期

关键词：

滚动轴承; 故障诊断; BP神经网络; RBF神经网络;

D O I：

10.19533/j.issn1000-3762.2010.02.018

中图分类号：

TH133.33 [滚动轴承];

学科分类号：

080203 ;

摘要：

通过仿真实例,应用BP和RBF神经网络对滚动轴承的故障诊断进行了比较研究,结果表明,BP网络和RBF网络仿真效果都比较理想,但RBF网络构建简单,训练速度快且比较稳定,体现了RBF神经网络的优越性。

引用

页码：53 / 56

页数：4

共 10 条

[1] 滚动轴承故障程度诊断方法研究 [J].

李力 ;

唐茗 .

轴承, 2009, (04) :42-46

[2] 旋转机械故障诊断的灰度-基元共生矩阵方法研究 [J].

窦唯 ;

刘占生 ;

马晓峰 .

航空动力学报, 2008, (09) :1609-1616

[3] BP网络和RBF网络在期货预测中的比较研究 [J].

李自珍 ;

白玫 ;

黄颖 .

数学的实践与认识, 2008, (01) :60-64

[4] 基于小波包能量法的滚动轴承故障诊断 [J].

张军 ;

陆森林 ;

和卫星 ;

王以顺 ;

李天博 .

农业机械学报, 2007, (10) :178-181

[5] BP神经网络和RBF神经网络在墩柱抗震性能评估中的比较研究 [J].

冯清海 ;

袁万城 .

结构工程师, 2007, (05) :41-47+69

[6] 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

[7] 用人工神经网络预测电铸自支撑金刚石-镍复合膜沉积结果 [J].

方莉俐 ;

张兵临 ;

禹建丽 ;

姚宁 .

稀有金属材料与工程, 2006, (04) :638-641

[8] 基于BP神经网络的滚动轴承故障诊断研究 [J].

胡婧 ;

杨曙年 .

机械与电子, 2006, (04) :9-11

[9] 径向基函数网络红外光谱法用于中药大黄样品的真伪分类 [J].

马书民 ;

刘思东 ;

张卓勇 ;

范国强 .

光谱学与光谱分析, 2005, (06) :874-877

[10] 基于EMD与神经网络的滚动轴承故障诊断方法 [J].

杨宇 ;

于德介 ;

程军圣 .

振动与冲击, 2005, (01) :87-90+138-139

← 1 →