期刊文章详细信息
文献类型:期刊文章
机构地区:[1]太原科技大学机电学院,山西030024 [2]北京建筑工程学院机电与汽车工程学院,北京100044 [3]北京交通大学轨道交通与控制国家重点实验室,北京100044
基 金:国家863计划资助项目(2007AA11Z247);山西省青年基金(2007021023);中国博士后基金资助项目(2009045290)
年 份:2010
卷 号:26
期 号:3
起止页码:70-73
语 种:中文
收录情况:BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、JST、RCCSE、SCOPUS、ZGKJHX、核心刊
摘 要:由于铁路轴承的易损性和故障信号提取的复杂性,文中应用了多方法融合的诊断法对铁路轴承进行故障诊断,并对基于多方法融合的BP和RBF两种网络进行了比较。首先,对采集到得信号进行FIR降噪,再对降噪后的信号进行小波包分解,构造特征向量,以此为故障样本对BP和RBF网络进行训练,实现智能化故障诊断,实验结果表明文中提出的方法能很好地诊断出轴承故障类型,但多方法融合的RBF的泛化能力优于BP网络,同时,在训练时间上,RBF网络也要优于BP网络,这为机械故障诊断提供理论依据。
关 键 词:小波包 BP和RBF神经网络 铁路滚动轴承 故障诊断
分 类 号:TP206.3]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...