滚动轴承实时智能故障诊断算法研究

• 作者: 郑红梅 陈科 顾森茂
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 滚动轴承 实时故障诊断 互补集合经验模态分解 BP神经网络
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 66-72
• 页数: 7页
• 分类号: TN911.72
• 语种: 中文
• DOI: 10.13382/j.jemi.2018.01.009

摘要

为了能够对滚动轴承进行实时智能故障诊断,提出一种基于互补集合经验模态分解(CEEMD)和反向传播算法(BP)神经网络的实时智能故障诊断算法.采用基于固定“筛”数量停止准则的CEEMD方法,对采集到的滚动轴承振动信号进行分解处理,结合相关性分析及能量特征参数,构建特征向量,利用BP神经网络进行智能故障识别.该方法将2”个采样点的信号分解效率提升了90倍;以CEEMD作为分解工具的算法故障识别率为100％,小波包为97.5％.说明该算法可以准确有效地对滚动轴承进行智能故障诊断,较小波包处理方法更加准确,且大大提升了算法的实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑红梅		66	337	10.0	15.0
2	陈科		91	546	12.0	19.0
3	顾森茂		1	0	0.0	0.0