文献类型：期刊文章

作　　者：赵元喜[1] 胥永刚[1] 高立新[1] 崔玲丽[1]

机构地区：[1]北京工业大学北京市先进制造技术重点实验室,北京100124

出　　处：《振动与冲击》

基　　金：国家自然科学基金项目(50705001;50805001);北京市教委科技计划项目(KM200910005007);国家高技术研究发展计划(863计划;2009AA04Z417)

年　　份：2010

卷　　号：29

期　　号：10

起止页码：162-165

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20105013489800)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：由于滚动轴承声发射信号在各频段的能量分布与轴承的故障类型相关,可以利用谐波小波包将不同故障滚动轴承的声发射信号分解到不同频段,进而将各频段的能量组成特征向量输入BP神经网络,通过神经网络判别滚动轴承的故障类型。利用神经网络对滚动轴承进行故障识别时,对谐波小波包和Daubechies小波包进行了比较。实验结果表明对于滚动轴承声发射信号的故障模式识别,将谐波小波包分解和BP神经网络相结合的方法可以获得良好的效果。

关 键 词：滚动轴承 声发射 谐波小波包 神经网络 故障模式识别

分 类 号：TH17] O235]