基于时序-RBF神经网络的齿轮故障诊断方法

• 作者: 李力 李志雄 蒋宇
• 来源期刊: 机械传动
• 关键词: 齿轮故障 诊断 时序分析 特征提取 RBF神经网络
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 试验分析
• 页码范围: 63-66
• 页数: 4页
• 分类号: TH13
• 语种: 中文
• DOI: 10.3969/j.issn.1004-2539.2008.04.022

摘要

针对齿轮箱早期故障特征不明显,提出一种基于时序和径向基(Radial Basis Function, RBF)神经网络相结合的诊断方法.通过对齿轮箱正常和故障运行状态的振动信号进行时序分析,提取时序模型的自回归系数作为状态特征,并将其组成特征向量输入RBF神经网络分类器进行网络训练,从而实现了对齿轮正常、裂纹、断齿和局部点蚀的状态识别与诊断.结果表明,基于时序-RBF神经网络结合的方法对于早期或多故障分类是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李力	三峡大学机械与材料学院	100	483	11.0	17.0
2	李志雄	三峡大学机械与材料学院	23	101	6.0	8.0
3	蒋宇	三峡大学机械与材料学院	6	17	3.0	4.0