基于PF能量特征和优化神经网络的轴承诊断

• 作者: 何宽芳 曾波 李学军 潘阳 陈安华
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 滚动轴承 局部均值分解 遗传算法 神经网络 故障诊断
• 年，卷（期）: 2013,（z1）
• 页码范围: 120-124
• 页数: 5页
• 分类号: TH165+.3
• 字数: 3415字
• 语种: 中文

摘要

内圈点蚀、外圈压痕和滚动体磨损是滚动轴承常见典型故障,为实现其快速、准确诊断,提出基于振动信号局部均值分解(local mean decomposition,简称LMD)的PF分量能量特征和神经网络相结合的滚动轴承诊断方法.对振动信号进行局部均值分解,将其分解为若干个乘积函数(product function,简称PF)分量之和,以获得的PF分量能量特征作为神经网络输入进行滚动轴承的故障类型的识别,同时引入遗传算法对神经网络结构参数进行优化,提高故障识别诊断速度和准确率.结果表明,该方法用于轴承典型故障诊断有较高的诊断速率和故障识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈安华	湖南科技大学机械设备健康维护湖南省重点实验室	49	481	12.0	20.0
2	李学军	湖南科技大学机械设备健康维护湖南省重点实验室	135	1077	18.0	27.0
3	何宽芳	湖南科技大学机械设备健康维护湖南省重点实验室	27	87	5.0	8.0
4	潘阳	湖南科技大学机械设备健康维护湖南省重点实验室	6	37	4.0	6.0
5	曾波	湖南科技大学机械设备健康维护湖南省重点实验室	1	13	1.0	1.0