基于ALIF和PNN的轴承故障特征提取研究

• 作者: 赵宁宁 杨新坤 潘高峰 杨嘉 李文振 李富康
• 来源期刊: 机电工程技术
• 学科: 工学
• 关键词: 滚动轴承 概率神经网络 自适应局部迭代滤波 峭度—相关系数准则
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 研究与开发
• 页码范围: 71-73
• 页数: 3页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9492.2021.01.020

摘要

轴承的早期故障诊断和在线健康监测对机械设备的维护和安全至关重要.为了从强背景噪声下的复杂信号中突出弱故障特征,提出了一种基于自适应局部迭代滤波(ALIF)和概率神经网络(PNN)来准确识别轴承故障特征的研究方法.首先,通过ALIF自适应地将非线性非平稳信号分解为多个单分量,利用峭度—相关系数准则对各单分量进行筛选,过滤掉不包含故障信息的单分量.然后,计算单分量的能量与总能量的比值来组成特征向量.最后通过输入故障特征向量到PNN中来实现轴承故障状态的识别和在线健康监测.