基于多特征融合与GA-BP模型的滚动轴承故障识别

• 作者: 黄文超 王林军 刘晋玮 陈保家
• 来源期刊: 机床与液压
• 关键词: 遗传算法 BP神经网络 滚动轴承 故障识别
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 故障诊断与可靠性|FAULT DIAGNOSIS & RELIABILITY
• 页码范围: 170-173,89
• 页数: 5页
• 分类号: TH165+.3
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3881.2021.06.034

摘要

针对滚动轴承故障识别问题,基于遗传算法(GA)和BP神经网络等技术,提出一种GA-BP神经网络模型.该模型以训练数据的输出误差作为目标函数,利用遗传算法对BP神经网络的初始权值和阈值进行优化选择.将经验模态分解能量比和时域特征相结合的特征向量作为BP神经网络的输入,对滚动轴承不同工况下的故障进行识别.滚动轴承故障诊断的实例表明:该模型较传统BP神经网络模型具有更好的收敛精度、收敛速度和识别率.