EMD分解、分形理论和RBF神经网络相结合的轴承智能故障诊断研究

• 作者: 张梅军 曹勤 王闯 陈灏
• 来源期刊: 机械
• 学科: 工学
• 关键词: 故障诊断 滚动轴承 EMD分解 关联维数 RBF神经网络
• 年，卷（期）: 2012,（11）
• 页码范围: 10-15
• 页数: 6页
• 分类号: TH17
• 字数: 3323字
• 语种: 中文

摘要

准确快速的诊断并解决机械设备中的常用组成部件滚动轴承的故障对机械设备和生产至关重要.为了对滚动轴承进行准确的智能诊断,将EMD分解、分形理论和神经网络有机结合,通过运用EMD对信号进行提取和分解,得到其IMF分量,然后画出各IMF分量的关联积分双对数曲线图并从中得出信号的关联维数,借助关联维数并运用RBF神经网络对轴承的状态进行分类和识别,达到智能诊断的目的.实例分析表明EMD分解、分形理论和RBF神经网络相结合能够有效的减少非线性分量对故障信号的干扰并准确识别滚动轴承的故障类型,证明了三者结合的智能故障诊断有效可行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张梅军	中国人民解放军理工大学野战工程学院	5	53	3.0	5.0
2	王闯	中国人民解放军理工大学野战工程学院	11	35	3.0	5.0
3	陈灏	中国人民解放军理工大学野战工程学院	2	27	2.0	2.0