基于时频特性和PCA-RBF神经网络的齿轮箱故障诊断

• 作者: 唐志生 马彦斌
• 来源期刊: 机电信息
• 关键词: 齿轮箱 时频特性 主成分分析法 RBF神经网络 故障诊断
• 年，卷（期）: 2016,（30）
• 所属期刊栏目: 设备管理与改造
• 页码范围: 46-47
• 页数: 2页
• 字数: 1557字
• 语种: 中文

摘要

针对齿轮箱故障诊断中仅单方面从时域、频域和时频域提取特征向量,导致特征指标具有很大片面性的问题,提出了一种基于时频特性和PCA-RBF神经网络的齿轮箱故障诊断方法.首先利用统计分析和总体经验模态分解(EEMD)方法,构造高维混合域初始特征向量;然后通过主成分分析法(PCA)对高维初始特征向量进行降维和简化;最后将经过PCA处理的主特征向量输入到径向基函数(Radial Basis Function,RBF)神经网络中实现故障的识别.实验结果表明,采用该方法能够有效识别齿轮箱的故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马彦斌		2	3	1.0	1.0
2	唐志生		2	3	1.0	1.0