基于小波包样本熵及GA-BP网络的旋转机械故障识别

• 作者: 张志伟 王新蕾 石启正 童荣彬
• 来源期刊: 机床与液压
• 学科: 工学
• 关键词: 特征提取 小波包样本熵 遗传算法 BP网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 故障诊断与可靠性
• 页码范围: 200-203
• 页数: 4页
• 分类号: TN911.6|TH133.3
• 字数: 2701字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3881.2019.11.042

摘要

针对旋转机械故障信号具有非线性、 非平稳性特点,提出一种基于小波包样本熵及GA-BP网络的故障识别方法.首先对故障信号进行小波包分解,计算重构节点信号能量较大的前4个子频带振动信号的样本熵作为特征向量;然后将特征向量输入GA-BP网络模型进行故障类型识别,并且与传统BP网络作对比.实验结果表明:转子实验台不同故障信号的小波包样本熵不同,该方法对转子故障区别度更有效果,故障识别率明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石启正		7	8	1.0	2.0
2	童荣彬		1	0	0.0	0.0