基于小波包变换和极限学习机的滚动轴承故障诊断

• 作者: 兰媛 李瑞莲 熊晓燕
• 来源期刊: 太原理工大学学报
• 关键词: 轴承 故障诊断 小波包变换 极限学习机
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 信息工程·计算机科学与技术
• 页码范围: 959-962,968
• 页数: 5页
• 分类号: TH17|TP18
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2017.06.014

摘要

采用基于小波包变换(WPT)和极限学习(ELM)的方法对轴承故障进行诊断和分类辨识.该方法首先采用小波包变换对采集到的振动信号进行分解,求得各频带的相对能量,并构建特征向量,接着利用极限学习机进行自动分类识别.经使用实验台实测电机滚动轴承不同状态的信号进行分析,研究结果表明,所建立的自动分类模型可以有效地对轴承的单一故障,以及不同程度故障有很好的辨识能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊晓燕	太原理工大学机械电子工程研究所	81	831	16.0	24.0
2	李瑞莲	太原理工大学信息工程学院	3	20	3.0	3.0
3	兰媛	太原理工大学机械电子工程研究所	3	11	2.0	3.0