基于谐波小波包和BP神经网络的滚动轴承声发射故障模式识别技术

• 作者: 崔玲丽 胥永刚 赵元喜 高立新
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 滚动轴承 声发射 谐波小波包 神经网络 故障模式识别
• 年，卷（期）: 2010,（10）
• 页码范围: 162-165
• 分类号: TH17|O235
• 字数: 4010字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3835.2010.10.033

摘要

由于滚动轴承声发射信号在各频段的能量分布与轴承的故障类型相关,可以利用谐波小波包将不同故障滚动轴承的声发射信号分解到不同频段,进而将各频段的能量组成特征向量输入BP神经网络,通过神经网络判别滚动轴承的故障类型.利用神经网络对滚动轴承进行故障识别时,对谐波小波包和Daubechies小波包进行了比较.实验结果表明对于滚动轴承声发射信号的故障模式识别,将谐波小波包分解和BP神经网络相结合的方法可以获得良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高立新	北京工业大学北京市先进制造技术重点实验室	123	1077	19.0	26.0
2	崔玲丽	北京工业大学北京市先进制造技术重点实验室	64	646	16.0	23.0
3	胥永刚	北京工业大学北京市先进制造技术重点实验室	71	680	16.0	24.0
4	赵元喜	北京工业大学北京市先进制造技术重点实验室	2	1	1.0	1.0