基于小波包分解和PSO-BPNN的滚动轴承故障诊断

• 作者: 严杨 张旭辉 张超 杨一晴 樊红卫 鞠晨
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 煤矿旋转机械 滚动轴承 故障诊断 小波包分解 粒子群优化 BP神经网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 实验研究
• 页码范围: 70-74
• 页数: 5页
• 分类号: TD67
• 字数: 4354字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2019120022

摘要

针对现有煤矿旋转机械滚动轴承故障诊断方法存在信号有效特征提取不完全、故障诊断精度不高及效率低等问题,提出了一种基于小波包分解和粒子群优化BP神经网络的滚动轴承故障诊断方法.该方法包括信号特征提取和故障类型识别两部分:在信号特征提取部分,对采集的滚动轴承振动信号进行小波包分解,得到各子频带能量及信号总能量,经归一化处理后获得表征滚动轴承状态的特征向量;在故障类型识别部分,通过粒子群优化算法优化BP神经网络的初始权值和阈值,以加速网络收敛速度,避免陷入局部极小值.实验结果表明,该方法提高了滚动轴承故障诊断效率和准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张超	西安科技大学机械工程学院	37	127	8.0	9.0
2	张旭辉	西安科技大学机械工程学院	86	622	12.0	22.0
6	樊红卫	西安科技大学机械工程学院	36	57	4.0	5.0
10	杨一晴	西安科技大学机械工程学院	6	11	2.0	3.0