基于极点对称模态分解和概率神经网络的轴承故障诊断

发布时间：2017-08-22 19:01

  本文关键词：基于极点对称模态分解和概率神经网络的轴承故障诊断

  更多相关文章： 滚动轴承 极点对称模态分解 概率神经网络 故障诊断

【摘要】：针对复杂非线性的滚动轴承系统,提出了极点对称模态分解(ESMD)和概率神经网络(PNN)相结合的滚动轴承故障诊断方法。ESMD将固有模态函数的定义进行扩充,采用内部极点对称直接插值的方法替代外部包络线插值,引入最优的自适应全局曲线(AGM)的概念优化分解的趋势线,并由此确定最佳的模态分解次数。PNN是一种基于核函数逼近的神经网络分类器,将指数函数引入神经网络用来替代S型激活函数并进行重新构造,突出体现了梯度最速下降法的概念,减少实际和预测的输出函数之间的误差。通过对经验模态分解(EMD)、屏蔽经验模态分解(MEMD)和ESMD方法进行信号仿真分解对比,以及采用ESMD和PNN对故障数据进行处理,结果表明,该方法能够更加有效地对故障信号进行识别。
【作者单位】： 燕山大学电气工程学院;中南大学信息工程学院;燕山大学机械工程学院;
【关键词】： 滚动轴承 极点对称模态分解 概率神经网络 故障诊断
【基金】：国家自然科学基金资助项目(51475405,61077071) 河北省自然科学基金资助项目(F2016203496,F2015203413)
【分类号】：TH133.33
【正文快照】： 0引言滚动轴承是旋转机械的重要组成部分,其振动信号是各种噪声和轴承的振动信号的叠加,具有非线性和非平稳性特征。处理方法包括傅里叶变换、小波变换以及自适应信号处理方法经验模态分解(empirical mode decomposition,EMD)等[1-3]。傅里叶变换和小波变换等时频信号分析方法

【相似文献】

中国期刊全文数据库 前8条

1 程军圣,于德介,杨宇;经典模态分解方法中内禀模态函数判据问题研究[J];中国机械工程;2004年20期

2 叶庆卫;汪同庆;;基于幅谱分割的粒子群最优模态分解研究与应用[J];仪器仪表学报;2009年08期

3 王良锋;乔渭阳;纪良;余索远;;轴流风扇/压气机管道周向声模态的测量[J];航空动力学报;2014年04期

4 甘甜;王英民;赵俊渭;;模态分解的波束形成方法研究[J];兵工学报;2011年03期

5 李中付,华宏星,宋汉文,陈之炎;模态分解法辨识线性结构在环境激励下的模态参数[J];上海交通大学学报;2001年12期

6 刘志刚,陈艾荣;桥梁顺风向等效风荷载计算方法及其分布[J];同济大学学报(自然科学版);2003年08期

7 李苗;任伟新;胡异丁;王宁波;;基于解析模态分解法的桥梁动态应变监测数据温度影响的分离[J];振动与冲击;2012年21期

8 ;[J];;年期

中国重要会议论文全文数据库 前2条

1 裴利军;邱本花;;模态分解法在非恒同耦合系统同步研究中的推广[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

2 潘，

本文编号：720821