基于DHMM和BP神经网络的齿轮箱故障诊断研究

• 作者: 卫洁洁 封顺笑 朱文辉 陈海霞 黄晋英
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 故障诊断 BP神经网络 离散隐Markov模型 信息融合
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 控制与检测
• 页码范围: 105-108
• 页数: 4页
• 分类号: TH165.3|TG506
• 字数: 3760字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2018.02.027

摘要

为提高齿轮箱故障的智能诊断精度,从信息融合的角度,提出了一种基于DHMM和BP神经网络的混合智能故障诊断方法.根据不同工况下齿轮箱的振动信号时频特征,利用训练样本建立各类工况下的DHMM模型,然后求得测试样本在各DHMM模型下的似然概率对数,将似然概率对数作为新的特征添加到原来时频特征中,把新的特征集作为BP神经网络的输入,实现各工况的诊断.实验结果证明,相比于单独使用DHMM方法、BP神经网络以及两种方法的简单级联,该方法较大的提高了齿轮箱故障的诊断精度.将DHMM方法引入到齿轮箱的故障诊断中,结合了BP神经网络的自适应能力强和DHMM时序建模能力强的优点,具有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄晋英	中北大学机械与动力工程学院	88	506	11.0	17.0
2	陈海霞	中北大学计算机与控制工程学院	4	6	1.0	2.0
3	朱文辉	中北大学机械与动力工程学院	3	7	1.0	2.0
4	卫洁洁	中北大学计算机与控制工程学院	5	19	2.0	4.0
5	封顺笑	中北大学机械与动力工程学院	2	6	1.0	2.0