基于FASTICA与PNN的齿轮箱故障诊断研究

• 作者: 张睿 郑文帅 钱坤 黄彬城
• 来源期刊: 煤矿机械
• 学科: 工学
• 关键词: 快速独立分量分析 概率神经网络算法 齿轮箱 故障诊断
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 故障·诊断
• 页码范围: 278-280
• 页数: 3页
• 分类号: TP391.4|TH133
• 字数: 2156字
• 语种: 中文

摘要

机械设备运行中得到的诊断信息往往存在信噪比低、信号混叠等问题,严重影响提取真实的故障信号特征,降低了诊断准确率.针对上述问题,提出一种新的基于快速独立分量分析与概率神经网络的设备故障诊断方法,FASTICA对振动信号降噪处理后提取特征,PNN实现故障识别.通过算法仿真以及LMS齿轮箱实验证明,该融合算法处理后的动态故障诊断能力和诊断精度都明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张睿	中北大学信息与通信工程学院	10	49	4.0	6.0
5	黄彬城	中北大学机械工程与自动化学院	7	46	5.0	6.0
6	郑文帅	内蒙古科技大学机械工程学院	3	14	2.0	3.0
7	钱坤	中北大学信息与通信工程学院	7	13	2.0	3.0