文献类型：期刊文章

作　　者：时建峰[1,2] 程珩[1] 许征程[2] 史少辉[3] 时伟[4] 钮效鵾[5]

机构地区：[1]太原理工大学机械电子工程研究所,太原030024 [2]石家庄学院国有资产管理处,石家庄050035 [3]石家庄学院物理系,石家庄050035 [4]石家庄学院科研处,石家庄050035 [5]<石家庄学院学报>编辑部,石家庄050035

出　　处：《振动．测试与诊断》

基　　金：山西省科技攻关项目(编号:2007032054)

年　　份：2009

卷　　号：29

期　　号：3

起止页码：321-324

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、EI、SCOPUS、ZGKJHX、核心刊

摘　　要：应用小波包分解技术提取齿轮箱振动信号中的故障特征向量,并以此作为改进BP神经网络的输入,对神经网络进行训练,建立了齿轮箱运行状态分类器,用以识别齿轮箱的运行状态。试验结果表明,小波包分解与神经网络相结合的齿轮箱齿轮故障识别方法是可靠的,可以准确识别齿轮箱的故障。

关 键 词：小波包 BP神经网络 齿轮箱 故障识别

分 类 号：TH133.33]