基于EEMD与RBF神经网络的齿轮故障诊断

• 作者: 史朋波 张娴 张江涛 柴保明
• 来源期刊: 煤炭工程
• 学科: 工学
• 关键词: 齿轮 故障诊断 集合经验模式分解 径向基神经网络
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 装备技术
• 页码范围: 145-147,151
• 页数: 4页
• 分类号: TH132.41
• 字数: 2801字
• 语种: 中文
• DOI: 10.11799/ce201711040

摘要

文章在实验研究的基础上提出了EEMD与RBF网络相结合的齿轮故障诊断方法.重点讲述了EEMD的故障特征提取研究的方法和基本原理,简述径向基函数神经网络在故障诊断领域当中的应用.在故障模拟转子试验台上进行实验研究,采集足够的样本信号数据,利用集合经验模式分解原理来进行信号的特征提取,进而进行RBF网络的训练和故障识别,其较高的故障识别率验证了所提出的齿轮故障诊断模型的识别可靠性,同时该诊断模型具备着良好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴保明		52	198	8.0	10.0
2	张江涛		8	45	4.0	6.0
3	张娴		5	34	3.0	5.0
4	史朋波		5	34	3.0	5.0