基于希尔伯特-黄变换和神经网络的滚动轴承故障诊断

• 作者: 吴雨宸 张智博 王晓杰 胡泽 谢心蕊
• 来源期刊: 电动工具
• 学科: 工学
• 关键词: 滚动轴承 HHT BP神经网络 LM算法 故障诊断
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 智能应用
• 页码范围: 11-18
• 页数: 8页
• 分类号: TM930
• 字数: 3951字
• 语种: 中文
• DOI: 10.16629/j.cnki.1674-2796.2020.01.003

摘要

针对滚动轴承振动信号特征提取有效性差以及传统BP神经网络识别率低的问题,提出一种将希尔伯特-黄变换(HHT)、列文伯格-马夸尔特(LM)算法和BP神经网络相结合的滚动轴承故障识别方法.该方法首先利用经验模态分解(E M D)、相关函数得到几个能充分表征原始信号信息的IMF分量,计算它们的能量特征,构成第一种特征向量组.将这几个IMF分量进行Hilbert变换,得到Hilbert边际谱,将边际谱区域变化能量特征作为第二种特征向量组.将两种特征向量组合在一起输入到LM算法优化的BP神经网络中进行训练和测试,进而实现故障的分类.结果表明,该方法能有效提取出轴承的故障特征信息,并且能准确的识别出不同的故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡泽		73	337	9.0	13.0
2	张智博		3	0	0.0	0.0
3	王晓杰		3	0	0.0	0.0
4	吴雨宸		3	0	0.0	0.0
5	谢心蕊		2	0	0.0	0.0