基于神经网络和证据理论的滚动轴承故障预测方法

• 作者: 万烂军 李泓洋 李长云 陈意伟
• 来源期刊: 湖南工业大学学报
• 学科: 工学
• 关键词: 滚动轴承 故障预测 BP神经网络 DS证据理论 小波包分解
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 应用技术
• 页码范围: 35-41
• 页数: 7页
• 分类号: TH133.33
• 字数: 5582字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-9833.2020.04.006

摘要

传统的故障预测方法难以对不同工况下的滚动轴承故障进行有效预测,为此,提出了一种基于BP神经网络和DS证据理论的滚动轴承故障预测方法.首先采用擅长于处理非平稳信号的小波包分解对多个传感器采集的原始振动数据进行特征分析,然后对BP神经网络的结构和参数进行优化设置并使用多个BP神经网络分别进行故障预测模型训练,最后利用DS证据理论将多个神经网络得到的预测结果进行融合并输出最终预测结果.实验结果表明,该方法能对不同工况下的滚动轴承故障进行有效预测,故障预测平均准确率达96.37％;且与相关文献提出的方法相比,所提出的方法得到的滚动轴承故障预测准确率有所提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李长云	湖南工业大学计算机学院	130	747	12.0	21.0
5	万烂军	湖南工业大学计算机学院	8	5	2.0	2.0
9	李泓洋	湖南工业大学计算机学院	1	0	0.0	0.0