文献类型：期刊文章

作　　者：陆爽[1] 杨斌[2] 李萌[1] 张子达[2]

机构地区：[1]长春大学机械工程学院,长春130022 [2]吉林大学机械科学与工程学院,长春130025

出　　处：《农业工程学报》

基　　金：吉林省教育委员会基金项目(吉教合字99第10号)

年　　份：2004

卷　　号：20

期　　号：6

起止页码：102-105

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：利用振动信号对滚动轴承的状态监测和故障诊断是工程中面临的难题之一,传统的基于平稳信号假设的方法不适于故障轴承的非平稳信号,有效提取故障轴承的故障特征和将故障特征准确分类是解决问题的两个关键。小波分析具有良好的时-频局部化特征,因而非常适于对瞬态或时变信号进行分类,而人工神经网络可完成非线性系统辨识和模式分类。利用上述原理根据滚动轴承振动信号的频域变化特征,首先采用小波包分析对其建立频域能量特征向量,然后利用径向基函数神经网络完成滚动轴承故障模式的识别。试验结果表明,系统不仅能够检测到轴承故障的存在,而且能够比较准确地识别轴承的内外环故障模式,可以满足工程中的需要。

关 键 词：滚动轴承 振动信号  小波包 特征向量  径向基函数 神经网络 模式识别

分 类 号：TH133.3] TP391.4]