基于IMF能量矩和神经网络的轴承故障诊断

• 作者: 杨勇 秦太龙 程珩 薛松
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 滚动轴承 本征模函数 能量矩 故障诊断 经验模态分解 BP神经网络
• 年，卷（期）: 2008,（3）
• 页码范围: 229-232
• 页数: 4页
• 分类号: TH133
• 字数: 3084字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-6801.2008.03.009

摘要

针对滚动轴承故障振动信号的非平稳特征,提出了一种本征模函数(Intrinsic Mode Function,简称IMF)能量矩的特征向量提取法,并与BP神经网络相结合用于滚动轴承的故障诊断.该方法首先利用经验模态分解(Em-pirical Mode Decomposition,简称EMD)方法.把振动信号分解为若干个IMF,再将重要的IMF分量作基于时间轴的积分,得到IMF能量矩特征向量,最后借助BP神经网络的分类能力对特征向量进行分类.对滚动轴承的正常状态、外圈故障、滚动体故障和外圈故障信号的分析结果表明,该方法能够准确、有效地识别这些故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程珩	太原理工大学机械电子工程研究所	93	978	17.0	27.0
2	杨勇	太原理工大学机械电子工程研究所	15	154	7.0	12.0
3	薛松	太原理工大学机械电子工程研究所	3	83	3.0	3.0
4	秦太龙	太原理工大学机械电子工程研究所	3	77	3.0	3.0