基于自组织神经网络的滚动轴承状态评估方法

• 作者: 张全德 林桐 欧阳文理 滕春禹 王洪伟 陈果
• 来源期刊: 中国机械工程
• 关键词: 自组织神经网络 主成分分析 特征融合 最小匹配距离 滚动轴承 故障识别
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 信息技术
• 页码范围: 550-558
• 页数: 9页
• 分类号: V263.6
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2017.05.008

摘要

针对单一特征在进行故障诊断时准确率不高的问题,提出了一种基于自组织神经网络(SOM)的滚动轴承状态评估方法.该方法首先从原始振动信号中提取出多特征数据,运用主成分分析(PCA)方法对多特征数据进行预处理,采用SOM进行网络训练,构建多特征数据的融合模型,输出竞争神经元层的权值矢量;然后,计算每一个样本到竞争神经元层权值矢量的最小欧氏距离,输出最终的融合指标;最后,通过比较待检测样本与正常样本的最小欧氏距离的差异来判断轴承的状态.将该方法应用于滚动轴承状态评估,试验结果表明:融合指标比单一指标对早期故障更加敏感、更加稳健;同时,融合指标能够定量地描述轴承状态的劣化过程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈果	南京航空航天大学民航学院	178	3333	32.0	49.0
2	王洪伟	北京航空工程技术研究中心第六研究室	23	165	7.0	12.0
3	林桐	南京航空航天大学民航学院	7	37	3.0	6.0
4	滕春禹	中航工业综合技术研究所基础研究室	2	17	1.0	2.0
5	欧阳文理	中航工业综合技术研究所基础研究室	2	17	1.0	2.0
6	张全德	南京航空航天大学民航学院	2	20	2.0	2.0