基于EEMD和RBFNN的列车滚动轴承故障诊断研究

• 作者: 李笑梅 谭文举 贺德强 陈二恒
• 来源期刊: 铁道科学与工程学报
• 学科: 交通运输
• 关键词: 列车 滚动轴承 故障识别 EEMD RBF神经网络
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 机车车辆与设备
• 页码范围: 1056-1062
• 页数: 7页
• 分类号: TP391.9|U260
• 字数: 3426字
• 语种: 中文

摘要

针对列车滚动轴承振动信号的非高斯、非平稳性特征,提出一种基于集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)和径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)相结合的滚动轴承故障诊断方法,利用EEMD方法对振动信号进行分解,得到前8个本征模态函数(Intrinsic Mode Functions,IMF)分量,将归一后的IMF能量特征向量作为RBF神经网络的输入向量构建故障诊断模型,从而实现滚动轴承的故障识别.将RBF神经网络方法和BP(Back Propagation)神经网络进行对比,本文提出的方法能精确识别正常轴承、滚动体故障、外圈故障和内圈故障等4种轴承状态,为提高列车滚动轴承故障诊断的准确性和实时性提供了新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺德强	广西大学机械工程学院	58	334	10.0	15.0
2	陈二恒	广西大学机械工程学院	4	32	4.0	4.0
3	谭文举		14	27	3.0	4.0
4	李笑梅	广西大学机械工程学院	2	7	2.0	2.0