基于综合信息融合神经网络的轴承故障诊断

• 作者: 裴红蕾
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: 轴承故障 智能诊断 前置神经网络算法 综合信息融合 故障识别率 鲁棒性
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 机械零件及传动装置|Mechanical Parts and Transmission
• 页码范围: 495-500
• 页数: 6页
• 分类号: TH17|TH133.3
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2022.04.010

摘要

因轴承的工作环境恶劣,导致其故障多发,在对轴承故障进行快速诊断和定位时存在困难,为此,提出了一种基于综合信息融合神经网络的轴承故障智能诊断方法.首先,介绍了前置神经网络的工作原理,推导了前置神经网络的链接权值系数训练方法,制定了前置神经网络的算法流程;并基于D-S证据论和Dempster组合规则,设计了后置神经网络的故障诊断方法;然后,提出了基于综合信息融合神经网络的轴承故障诊断方法,完成了两种神经网络的优势融合;最后,为了对基于综合信息融合神经网络的轴承故障诊断方法的有效性进行验证,采用了美国凯斯西储大学的轴承实验数据进行了试验.研究结果表明:无后置融合模块的故障识别率均值为90.45％,无前置融合模块的故障识别率均值为89.93％,综合信息融合神经网络的故障识别率均值为99.33％;该结果证明,基于综合信息融合神经网络的诊断方法具有较高的故障识别准确率和较强的鲁棒性,将综合信息融合神经网络应用于轴承故障诊断是有效的.