基于小波包和ElmanNN的滚动轴承故障识别

• 作者: 杨红叶 高军伟
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 滚动轴承 特征提取 故障识别 小波包 Elman神经网络
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 检测与监控
• 页码范围: 92-96
• 页数: 5页
• 分类号: TP183|TP206+.3
• 字数: 2571字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2018.03.025

摘要

针对提取滚动轴承故障特征向量信号和识别故障类型的问题,为了提高诊断准确率,提出了基于小波包分析与BP算法权值修正的Elman神经网络的策略.基于MATLAB强大的数值分析功能,采集到的故障信号经过小波包分解与重构获取能反映不同故障状态的本征模态函数(Intrinsic modal function,IMF)分量.通过Elman神经网络辨识技术,将各频带能量作为Elman网络输入变量,测试样本为输出变量.对Elman神经网络进行大量数据训练,对滚动轴承的故障数据进行识别.实验表明,这种方法比BP神经网络识别更准确、更有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高军伟	青岛大学自动化与电气工程学院	69	408	10.0	16.0
5	杨红叶	青岛大学自动化与电气工程学院	10	12	2.0	3.0