文献类型：期刊文章

作　　者：刘剑生[1] 王细洋[1]

LIU Jian-sheng;WANG Xi-yang(School of Navigation,Nanchang Hangkong University,Nanchang 330063,China)

机构地区：[1]南昌航空大学通航学院,南昌330063

出　　处：《失效分析与预防》

基　　金：国家自然科学基金(51465040)。

年　　份：2020

卷　　号：15

期　　号：6

起止页码：370-375

语　　种：中文

收录情况：IC、普通刊

摘　　要：针对基于传统BP神经网络的齿轮故障诊断方法存在收敛速度慢,误差较大等问题,提出经验模式分解(EMD)与BP神经网络相结合的齿轮故障诊断方法。首先简述经验模式分解和BP神经网络的基本原理,然后采用EMD方法提取齿轮时域信号中的各个IMF分量,计算IMF分量中故障信号能量特征参数,将这些能量特征参数作为BP神经网络输入参数进行故障诊断。在齿传动故障实验台上采集足够的样本数据进行实验研究。结果表明:与传统的BP神经网络相比,可将训练误差从0.01降低至0.001左右。此外,训练迭代次数可减小至10次以内。

关 键 词：经验模式分解(EMD)  齿轮故障诊断 BP神经网络 齿轮

分 类 号：TH132.41]