基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
结合HHT与GA-BP神经网络的优点,提出将二者结合用于轴承故障诊断的新方法,并且应用最近提出的方法改进HHT,使其应用更为有效.利用HHT构造出代表振动信号特征的"能-频分布";根据GA-BP网络能够逼近任意非线性函数和具有高效寻找全局最优的特点作为特征分类器,进行轴承故障诊断.该方法应用时不需要对信号进行预处理,也不需要精确计算滚动轴承的故障特征频率.实验结果表明,该方法是可行有效的.研究结果为滚动轴承和其他机械设备的故障诊断提供了新的思路.
推荐文章
基于小波包-AR谱和GA-BP网络的轴承故障诊断研究
小波包分解
自回归谱估计
GA-BP神经网络
故障诊断
基于GA-BP的移动通信设备故障诊断
故障诊断
神经网络
遗传算法
粒子群算法
基于Python技术GA-BP神经网络的变压器故障诊断研究
变压器
Python
GA-BP神经网络
故障诊断
基于EEMD和GA-BP的列车辅助逆变器开路故障诊断研究
故障诊断
EEMD
神经网络
GA-BP
辅助逆变器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于HHT与GA-BP网络的轴承故障诊断方法研究
来源期刊 机床与液压 学科 工学
关键词 滚动轴承 HHT GA-BP神经网络 故障诊断
年,卷(期) 2010,(17) 所属期刊栏目
研究方向 页码范围 133-137
页数 分类号 TH133.33+1
字数 3749字 语种 中文
DOI 10.3969/j.issn.1001-3881.2010.17.040
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (184)
参考文献  (9)
节点文献
引证文献  (9)
同被引文献  (15)
二级引证文献  (40)
1998(5)
  • 参考文献(2)
  • 二级参考文献(3)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(2)
  • 二级参考文献(2)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(5)
  • 引证文献(1)
  • 二级引证文献(4)
2014(5)
  • 引证文献(1)
  • 二级引证文献(4)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(6)
  • 引证文献(2)
  • 二级引证文献(4)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(5)
  • 引证文献(2)
  • 二级引证文献(3)
2019(13)
  • 引证文献(0)
  • 二级引证文献(13)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
滚动轴承
HHT
GA-BP神经网络
故障诊断
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
机床与液压
半月刊
1001-3881
44-1259/TH
大16开
广州市黄埔区茅岗路828号
46-40
1973
chi
出版文献量(篇)
20801
总下载数(次)
44
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导