文献类型：期刊文章

作　　者：秦太龙[1] 杨勇[1] 程珩[1] 薛松[1]

机构地区：[1]太原理工大学机械电子工程研究所,太原030024

出　　处：《振动．测试与诊断》

基　　金：国家自然科学基金重点资助项目(编号:50335030)

年　　份：2008

卷　　号：28

期　　号：3

起止页码：229-232

语　　种：中文

收录情况：CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、普通刊

摘　　要：针对滚动轴承故障振动信号的非平稳特征,提出了一种本征模函数(Intrinsic Mode Function,简称IMF)能量矩的特征向量提取法,并与BP神经网络相结合用于滚动轴承的故障诊断。该方法首先利用经验模态分解(Empirical Mode Decomposition,简称EMD)方法,把振动信号分解为若干个IMF,再将重要的IMF分量作基于时间轴的积分,得到IMF能量矩特征向量,最后借助BP神经网络的分类能力对特征向量进行分类。对滚动轴承的正常状态、外圈故障、滚动体故障和外圈故障信号的分析结果表明,该方法能够准确、有效地识别这些故障。

关 键 词：滚动轴承 本征模函数  能量矩  故障诊断 经验模态分解 BP神经网络

分 类 号：TH133]