基于小波包和 BN 模型的深沟球轴承故障诊断

• 作者: 佘金龙 夏令君 张宝嵘 彭程 郭文强
• 来源期刊: 轴承
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 小波包 Bayes模型 离散化
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 测量与仪器
• 页码范围: 48-52
• 页数: 5页
• 分类号: TH133.33|TN911.7
• 字数: 3588字
• 语种: 中文

摘要

针对造纸机干燥部所用深沟球轴承故障的不确定性问题，提出了小波包与 Bayes 网络相结合的滚动轴承故障诊断方法。首先，对实测振动信号进行小波包分解；其次，利用设计的特征提取函数进一步处理信号，离散化后形成故障特征向量；然后，采用特征向量训练得到 BN 模型先验参数，建立轴承故障诊断网络模型；最后，充分利用 Bayes 网络的建模学习能力和概率推理算法解决不确定性问题的表示和推理，完成故障诊断。试验结果表明：BN 模型在诊断正确率、训练耗时上均优于传统 BP 神经网络方法，尤其可在输入故障特征向量不完备时，依然具有较好的推理诊断效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭文强	陕西科技大学电气与信息工程学院	45	214	7.0	12.0
2	夏令君	陕西科技大学电气与信息工程学院	4	17	3.0	4.0
3	张宝嵘	陕西科技大学电气与信息工程学院	4	21	4.0	4.0
4	彭程	陕西科技大学电气与信息工程学院	3	17	3.0	3.0
5	佘金龙	陕西科技大学电气与信息工程学院	4	20	3.0	4.0