基于MDS和神经网络的滚动轴承故障诊断方法

• 作者: 付胜 胥永刚 马朝永 黄攀
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 滚动轴承 多维尺度分析 神经网络 故障诊断
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 171-174
• 页数: 4页
• 分类号: TH165+.3
• 字数: 2916字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2017.04.033

摘要

针对滚动轴承的智能诊断问题,提出基于多维尺度分析(Multidimensional Scaling,简称MDS)和神经网络的滚动轴承故障诊断方法.该方法首先提取原始信号常用的时域统计指标,再将包含故障信息的统计指标进行MDS降维处理,减少后续模式识别难度,最后将降维后的统计指标作为神经网络的输入参数来判断滚动轴承的故障类型.对滚动轴承正常状态、滚动体故障、外圈故障和内圈故障四种模式下的振动信号进行分析,结果表明,运用MDS进行降维预处理的神经网络故障诊断方法比没有经过预处理的故障诊断方法有更高的故障识别效率,可以准确有效识别滚动轴承的故障类型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付胜	北京工业大学机电学院先进制造技术北京市重点实验室	44	307	10.0	15.0
2	胥永刚	北京工业大学机电学院先进制造技术北京市重点实验室	71	680	16.0	24.0
3	马朝永	北京工业大学机电学院先进制造技术北京市重点实验室	38	222	9.0	13.0
4	黄攀	北京工业大学机电学院先进制造技术北京市重点实验室	3	9	2.0	3.0