高阶统计量与RBF网络结合用于齿轮故障分类

被引：18

作者：

张桂才

史铁林

轩建平

杨叔子

机构：

[1] 华中理工大学

来源：

关键词：

人工神经网络; 齿轮; 故障诊断; 高阶统计量; 特征提取;

D O I：

暂无

中图分类号：

TP277 [监视、报警、故障诊断系统];

学科分类号：

0804 ; 080401 ; 080402 ;

摘要：

提出一种基于高阶统计量特征提取的径向基函数网络齿轮故障分类方法。以齿轮箱振动信号的高阶统计量估计值作为齿轮故障特征，以径向基函数神经网络作为分类器，成功地对齿轮故障进行了分类。研究表明，高阶统计量和径向基函数神经网络相结合的齿轮故障分类方法是有效的

引用

页码：58 / 60+5-6

页数：5