文献类型：期刊文章

作　　者：姚峰林[1] 谢长开[1] 吕世宁[1] 杨浩[1] 孟哲[1]

YAO Feng-lin;XIE Chang-kai;LÜ Shi-ning;YANG Hao;MENG Zhe(School of Mechanical Engineering,Shanxi Provincial Key Laboratory of Intelligent Logistics Equipment,Taiyuan University of Science and Technology,Taiyuan 030024,China)

机构地区：[1]太原科技大学机械工程学院智能物流装备山西省重点实验室,太原030024

出　　处：《安全与环境学报》

基　　金：山西省研究生教育改革研究课题(2019JG161);山西省面上自然基金项目(201901D111236);山西省研究生优秀创新项目(2020SY435)。

年　　份：2021

卷　　号：21

期　　号：6

起止页码：2466-2472

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、JST、PROQUEST、ZGKJHX、核心刊

摘　　要：为了准确诊断滚动轴承故障,降低滚动轴承故障对设备运行的影响,提出了一种基于小波包变换分析与极限学习机相结合的滚动轴承故障诊断方法。首先,通过小波包变换对轴承振动信号进行消噪处理,采用均方根差和平滑度法为指标筛选出合适的小波基函数,用以对原始信号进行消噪处理。然后以信号的8种特征作为指标对消噪后的信号进行特征值提取,并通过时域、频域信息图对轴承故障进行先验诊断。最后将提取的特征值作为样本通过极限学习机的方法对轴承故障类别进行分类、诊断。研究表明,该方法能够准确地对轴承故障类别进行诊断,为轴承的故障诊断提供了新的思路。

关 键 词：安全工程 小波包变换 极限学习机 滚动轴承 故障诊断  

分 类 号：X931[安全科学与工程类]