文献类型：期刊文章

作　　者：刘洋[1] 颉潭成[1,2] 徐彦伟[1] 王冰[1] 李斑虎[3]

LIU Yang;XIE TanCheng;XU YanWei;WANG Bing;LI BanHu(School of Mechanical&Electronic Engineering,Henan University of Science and Technology,Luoyang 471003,China;Henan Engineering Laboratory of Intelligent Numerical Control Equipment,Luoyang 471003,China;Luoyang Bearing Science&Technology Co.,Ltd.,Luoyang 471003,China)

机构地区：[1]河南科技大学机电工程学院,洛阳471003 [2]智能数控装备河南省工程实验室,洛阳471003 [3]洛阳轴研科技股份有限公司,洛阳471003

出　　处：《机械强度》

基　　金：国家自然科学基金项目(51305127);河南省教育厅科学技术研究重点项目(14A460018);河南高校青年骨干教师项目(2016GGJS-057)资助~~

年　　份：2019

卷　　号：41

期　　号：5

起止页码：1042-1048

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对薄壁机器人轴承的状态评估,提出了基于信息融合的评估方法。采集声发射(Acoustic Emission,AE)和振动加速度信号,并在时域和频域上分别提取两种信号的特征作为识别薄壁机器人轴承状态的特征参量,利用自组织特征映射(Self Organizing Maps,SOM)神经网络对AE和振动信号的特征信息进行融合。经过实测数据的分析与验证,结果表明,该方法能够有效地判断出薄壁机器人轴承的状态类型。

关 键 词：薄壁机器人轴承  状态评估  振动  声发射 信息融合 自组织特征映射神经网络

分 类 号：TP39]