文献类型：期刊文章

作　　者：黄良沛[1,2] 吴超威[2] 王靖[1,2]

机构地区：[1]湖南科技大学机械设备健康维护省重点实验室,湘潭411201 [2]湖南科技大学机电工程学院,湘潭411201

出　　处：《电子测量技术》

基　　金：国家自然科学基金委员会与中国民用航空局联合资助项目(批准号:U1433118);湖南省自然科学基金与湘潭市科技局联合资助项目(批准号14JJ5011)

年　　份：2016

卷　　号：39

期　　号：4

起止页码：164-168

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：根据滚动轴承振动信号的不同故障模式在频域能量分布中的差异性,提出了基于小波包分解与重构和BP神经网络的轴承故障模式识别技术。论文首先对轴承振动信号进行小波包三层分解,完成了振动信号在空间的完整拆分,同时得到了第三层由低频到高频的小波包分解系数,再依据小波包分解系数分别重构各频段的信号,并提取信号各频段的能量。然后利用信号各频段的能量组成的特征矢量作为BP神经网络的输入样本,对BP神经网络进行训练,获得不同故障模式识别网络模型,最后利用测试数据对建立起来的BP神经网络模型进行检验,通过BP神经网络判别滚动轴承的故障类型。实验结果证明,采用小波包分解与重构和BP神经网络相结合的方法可以比较准确地识别滚动轴承的故障。

关 键 词：滚动轴承 小波包分解 BP神经网络 模式识别

分 类 号：TP235]