基于小波包和BP神经网络的刚性罐道故障诊断

• 作者: 杜菲 王孝东 陈南南 马天兵
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 立井提升 刚性罐道 故障诊断 故障种类识别 小波包 BP神经网络
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 实验研究
• 页码范围: 76-80
• 页数: 5页
• 分类号: TD53
• 字数: 2432字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2018010051

摘要

针对现有刚性罐道故障诊断方法不能消除环境因素影响、接头故障识别率较低等问题,以提高罐道故障种类识别精度为目标,提出了基于小波包和BP神经网络的刚性罐道故障诊断方法.搭建了立井提升系统实验台,模拟台阶突起故障和罐道接头故障这2种典型的罐道故障,采集提升容器振动加速度信号;运用小波包分解对采集的信号进行能量分析并提取故障特征参数,将故障特征参数作为BP神经网络的输入,并选取新的测试样本检测神经网络的诊断效果.测试结果表明,基于小波包分析和BP神经网络的刚性罐道故障诊断方法具有较高的故障识别精度,置信度达到了0.91.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜菲	安徽理工大学机械工程学院	53	199	8.0	11.0
2	马天兵	安徽理工大学机械工程学院	82	289	9.0	14.0
3	王孝东	安徽理工大学机械工程学院	7	11	2.0	3.0
4	陈南南	安徽理工大学机械工程学院	13	69	5.0	8.0