采用小波包ASGSO-RBF的采煤机滚动轴承故障诊断

• 作者: 张俊男 谢国民
• 来源期刊: 辽宁工程技术大学学报（自然科学版）
• 学科: 工学
• 关键词: 采煤机滚动轴承 故障诊断模型 小波包 RBF神经网络 自适应步长萤火虫算法
• 年，卷（期）: 2016,（7）
• 页码范围: 701-704
• 页数: 4页
• 分类号: TP182
• 语种: 中文
• DOI: 10.11956/j.issn.1008-0562.2016.07.006

摘要

针对采煤机滚动轴承常见的突发问题诊断准确性不高和速度慢,以小波包和RBF神经网络为基础,提出了由小波包分解提取各个节点特征能量谱与自适应步长萤火虫算法优化的RBF神经网络进行分类辨识的采煤机滚动轴承故障诊断方法.对振动传感器输出的信号进行小波包分解,运用基于代价函数的局域判别基(LDB)算法对小波包分解进行裁剪,获取最优的特征能量谱,经处理后作为特征向量训练ASGSO-RBF神经网络,建立诊断模型.实验结果表明:所建模型的故障辨识正确率达到95.8％以上,相较于其他算法模型具有更低的误报率和漏报率,诊断精度及诊断效率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢国民		32	116	7.0	9.0
2	张俊男		1	0	0.0	0.0