基于自适应神经网络—小波包熵的轴承故障诊断

• 作者: 刘进 张国礼 王莉
• 来源期刊: 微特电机
• 学科: 工学
• 关键词: 自适应线性神经网络 降噪 轴承故障 小波包Shannon熵
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 设计分析
• 页码范围: 36-39
• 页数: 4页
• 分类号: TM307
• 字数: 3436字
• 语种: 中文

摘要

针对轴承故障诊断时振动信号呈现复杂性和混沌特性,故障特征分量容易淹没在噪声之中.引用自适应线性神经网络(Adaptive Linear Neuron,ADALINE)降噪和小波包Shannon熵(Wavelet Packet Analysis Shannon Entropy,WPASE)相结合的方法诊断轴承故障.首先利用ADALINE对不同故障模式的振动信号进行降噪处理,引用小波包理论对降噪后的信号进行小波包分解,计算各层细节信号的Shannon熵值,以此作为不同故障模式的故障特征量.仿真实验表明ADALINE降噪效果明显,Shannon熵能够清楚区别不同的故障模式.该方法简单可靠,为轴承故障诊断提供了新的思路和方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王莉		39	203	7.0	13.0
2	张国礼		7	13	3.0	3.0
3	刘进		15	46	4.0	6.0