基于MFCC与LPCC的滚动轴承故障音频诊断法

• 作者: 何正明 周宴宇 杨胜跃 龙慧
• 来源期刊: 科技与创新
• 关键词: 轴承 故障诊断 人工神经网络 美尔频率倒谱系数 线形预测倒谱系数 音频信号
• 年，卷（期）: 2009,（31）
• 所属期刊栏目: 故障诊断
• 页码范围: 123-124,74
• 页数: 3页
• 分类号: TP206+.3
• 语种: 中文

摘要

本文结合语音识别中运用较广的美尔频率倒谱系数(MFCC)和线形预测倒谱系数(LPCC)作为滚动轴承音频信号的特征参数,并使用具有强学习能力的神经网络方法进行故障诊断,最后依靠Dempster-Shafrg(D-S)证据理论进行分析得出可信度高的判定结果.实验结果表明,该方法在滚动轴承的音频信号故障诊断中有效可行.在积累足够量的样本数后,可望建立相应的专家库,实现轴承故障的快速智能诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨胜跃	中南大学信息科学与工程学院	36	510	12.0	21.0
2	龙慧	中南大学信息科学与工程学院	15	92	6.0	9.0
3	周宴宇	中南大学信息科学与工程学院	4	58	3.0	4.0
4	何正明	中南大学信息科学与工程学院	2	8	1.0	2.0