基于小波包变换和极限学习机的滚动轴承故障诊断

发布时间：2017-12-29 17:41

本文关键词：基于小波包变换和极限学习机的滚动轴承故障诊断　出处：《太原理工大学学报》2017年06期 　论文类型：期刊论文

【摘要】：采用基于小波包变换(WPT)和极限学习(ELM)的方法对轴承故障进行诊断和分类辨识。该方法首先采用小波包变换对采集到的振动信号进行分解,求得各频带的相对能量,并构建特征向量,接着利用极限学习机进行自动分类识别。经使用实验台实测电机滚动轴承不同状态的信号进行分析,研究结果表明,所建立的自动分类模型可以有效地对轴承的单一故障,以及不同程度故障有很好的辨识能力。
[Abstract]:......
【作者单位】：太原理工大学信息工程学院;太原理工大学机械电子工程研究所;
【基金】：国家自然科学基金资助项目(61371062) 山西省自然科学基金资助项目(2014081030)
【分类号】：TH133.33;TP18
【正文快照】： 滚动轴承作为旋转机械的重要零部件之一,其工作状态对系统的正常运行起着非常重要的作用。一些统计显示,齿轮箱中轴承引起的故障约占故障总量的1/5,而在电动机中,由轴承导致的故障更是高达半数以上[1]。因此研究滚动轴承的故障诊断、进行检测、预判,对防止重大损失具有重要的

【相似文献】