基于多特征参数和概率神经网络的滚动轴承故障诊断方法

• 作者: 吕苗荣 毕昆磊 沈科君 裴峻峰 贺超
• 来源期刊: 中国机械工程
• 关键词: 经验模态分解(EMD) 多特征参数 概率神经网络 故障诊断
• 年，卷（期）: 2014,（15）
• 所属期刊栏目: 信息技术
• 页码范围: 2055-2058,2075
• 页数: 5页
• 分类号: TH133|TP306
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2014.15.013

摘要

针对滚动轴承故障振动信号的非平稳特性，提出了一种基于多特征参数和概率神经网络的滚动轴承故障诊断方法。首先利用经验模态分解(E MD )方法将采集到的滚动轴承原始振动信号分解为有限个固有模式函数(IMF)之和，然后提取表征故障信息的若干个 IMF 的能量、峭度和偏度作为概率神经网络的输入参数来进行故障分类。试验结果表明，该方法可以准确、有效地识别滚动轴承的工作状态和故障类型，是一种可行的滚动轴承故障诊断方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	裴峻峰		52	172	7.0	10.0
2	吕苗荣		25	100	5.0	9.0
3	毕昆磊		2	21	2.0	2.0
4	贺超		2	21	2.0	2.0
5	沈科君		2	21	2.0	2.0