小波包分析和BP神经网络在滚动轴承故障模式识别中的应用

• 作者: 吴超威 王靖 黄良沛
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 滚动轴承 小波包分解 BP神经网络 模式识别
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 在线测试与故障诊断
• 页码范围: 164-168
• 页数: 5页
• 分类号: TP235
• 字数: 4120字
• 语种: 中文

摘要

根据滚动轴承振动信号的不同故障模式在频域能量分布中的差异性,提出了基于小波包分解与重构和BP神经网络的轴承故障模式识别技术.论文首先对轴承振动信号进行小波包三层分解,完成了振动信号在空间的完整拆分,同时得到了第三层由低频到高频的小波包分解系数,再依据小波包分解系数分别重构各频段的信号,并提取信号各频段的能量.然后利用信号各频段的能量组成的特征矢量作为BP神经网络的输入样本,对BP神经网络进行训练,获得不同故障模式识别网络模型,最后利用测试数据对建立起来的BP神经网络模型进行检验,通过BP神经网络判别滚动轴承的故障类型.实验结果证明,采用小波包分解与重构和BP神经网络相结合的方法可以比较准确地识别滚动轴承的故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄良沛	湖南科技大学机械设备健康维护省重点实验室	62	398	10.0	16.0
5	王靖	湖南科技大学机械设备健康维护省重点实验室	18	74	4.0	8.0
9	吴超威	湖南科技大学机电工程学院	2	35	1.0	2.0