基于小波-神经网络的电机振动故障诊断

• 作者: 吴桂峰 曹卫 翟玉庆 陈虹
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 电机 故障诊断 小波包 ART2神经网络
• 年，卷（期）: 2004,（2）
• 所属期刊栏目: 智能控制
• 页码范围: 152-154,176
• 页数: 4页
• 分类号: TP277
• 字数: 2932字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7848.2004.02.017

摘要

针对电机振动信号的频谱特点,提出基于小波-神经网络技术的电机故障模式识别与诊断的新方法.利用小波包的多维多分辨率特性,对电机振动信号进行分解与重构,获得振动信号的突变信息,提取与电机故障相关的特征信息,将其作为特征向量输入ART2神经网络,对其进行训练.经过训练后的神经网络可对电机工作状态进行在线监测和实时故障诊断,并在转子实验台上进行了模拟故障仿真试验.通过对仿真结果的分析,证实这种诊断方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈虹	扬州大学信息工程学院	78	581	13.0	19.0
2	曹卫	扬州大学信息工程学院	13	180	7.0	13.0
3	翟玉庆	东南大学计算机科学与工程系	46	489	12.0	20.0
4	吴桂峰	东南大学计算机科学与工程系	40	196	7.0	12.0