文献类型：期刊文章

作　　者：孟宗[1,2] 胡猛[1] 谷伟明[1] 赵东方[1]

机构地区：[1]燕山大学河北省测试计量技术及仪器重点实验室,秦皇岛066004 [2]国家冷轧板带装备及工艺工程技术研究中心,秦皇岛066004

出　　处：《中国机械工程》

基　　金：国家自然科学基金资助项目(51575472);河北省自然科学基金资助项目(E2015203356);河北省高等学校科学研究计划资助重点项目(ZD2015049);河北省留学人员科技活动择优资助项目(C2015005020)

年　　份：2016

卷　　号：27

期　　号：4

起止页码：433-437

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：研究了一种基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数分量,然后将各分量的多尺度熵作为故障特征向量输入概率神经网络进行模式识别,实现了对损伤位置和损伤程度的诊断。将该方法与基于LMD时域统计量和神经网络的滚动轴承故障诊断方法进行了对比。实验结果表明,基于LMD多尺度熵和概率神经网络的方法能对滚动轴承故障进行有效的识别与诊断。

关 键 词：局部均值分解 故障特征提取 多尺度熵  概率神经网络 故障诊断

分 类 号：TN911.7] TP206.3]