基于特征选择与概率神经网络的轴承故障诊断研究

发布时间：2018-01-27 01:16

本文关键词： 航空发动机轴承故障诊断特征提取概率神经网络　出处：《机械传动》2016年10期 　论文类型：期刊论文

【摘要】：为提高航空发动机轴承故障诊断精度,应用距离评估准则和概率神经网络分类技术,提出了一种基于特征选择与概率神经网络的轴承故障诊断方法。首先,利用轴承故障试验数据,提取得到14个时域特征和13个频域特征,构成故障诊断多域特征集;其次,为提高分类效率,降低各特征量间的耦合特性对分类结果的影响,应用基于距离评估的特征选择方法,筛选得到分类性能更好的特征参数;在此基础上,应用概率神经网络方法进行了轴承故障诊断研究。应用轴承模拟故障实验数据进行验证,结果表明,与BP神经网络和支持向量机诊断方法相比,PNN方法诊断精度更高;同时由于采用了特征选择,诊断效率和精度又得到进一步提高。
[Abstract]:In order to improve the accuracy of aeroengine bearing fault diagnosis, a fault diagnosis method based on feature selection and probabilistic neural network is proposed by using distance evaluation criterion and probabilistic neural network classification technology. Based on the bearing fault test data, 14 time domain features and 13 frequency domain features are extracted, which constitute multi-domain feature sets for fault diagnosis. Secondly, in order to improve the classification efficiency and reduce the influence of the coupling characteristics between each feature quantity on the classification results, the feature selection method based on distance evaluation is used to select the better feature parameters. On this basis, the probabilistic neural network method is used to study the bearing fault diagnosis, and the experimental data of bearing simulation fault are used to verify the results. The results show that compared with BP neural network and support vector machine diagnosis method. The diagnostic accuracy of PNN method is higher than that of PNN method. At the same time, the efficiency and accuracy of diagnosis are further improved because of the feature selection.
【作者单位】：空军工程大学航空航天工程学院;中国人民解放军驻成飞公司军事代表室;
【基金】：国家自然科学基金(51105374) 航空科学基金(20142196019) 陕西省自然科学基础研究计划(2015JM5207)
【分类号】：V263.6
【正文快照】： 0引言滚动轴承是航空发动机中应用最广泛的零部件之一,其运行状态对航空发动机的正常运转及正常功能的实现起着非常重要的作用,也极易损坏[1]。一般的轴承故障会使航空发动机在工作时发生振动、产生较大噪声,严重时甚至会导致航空发动机的损坏。航空发动机是一个非常复杂的非

【参考文献】

相关期刊论文前10条

1 张鹏;杨兴锐;陈龙;;基于概率神经网络的风洞设备故障预测诊断方法[J];兵工自动化;2015年10期

2 王立东;张凯;;小波阈值分析与EMD结合的机械设备故障诊断方法[J];机械传动;2015年10期

3 曹满亮;潘宏侠;;基于第二代小波及PNN的自动机智能故障诊断[J];机械设计与研究;2015年03期

4 韩梦方;张晓光;赵志科;;基于隶属度函数和小波变换的轴承故障诊断方法研究[J];煤矿机械;2015年05期

5 刘涛;贾进章;;基于K-CV&SVM的工作面煤层瓦斯含量预测[J];世界科技研究与发展;2015年02期

6 柴保明;吴治南;赵志强;董强强;陈景礼;;基于小波包与概率神经网络相结合的滚动轴承故障诊断[J];煤矿机械;2014年12期

7 徐卫晓;谭继文;温国强;;滚动轴承故障信号处理方法与诊断试验研究[J];机床与液压;2014年17期

8 王仲民;周鹏;李充宁;;基于改进概率神经网络的滚动轴承故障诊断[J];机械科学与技术;2013年05期

9 吴文杰;黄大贵;;基于小波概率神经网络的旋转机械振动故障诊断技术[J];核动力工程;2012年06期

10 余建青;臧观建;谢世坤;李强征;;旋转机械故障诊断中的信号处理技术综述[J];机床与液压;2011年24期

相关期刊论文前10条

1 刘蕴哲;胡金海;任立通;姚凯翔;段进峰;陈林;;基于特征选择与概率神经网络的轴承故障诊断研究[J];机械传动;2016年10期

2 于生宝;何建龙;王睿家;李刚;苏发;;基于小波包分析和概率神经网络的电磁法三电平变换器故障诊断方法[J];电工技术学报;2016年17期

3 李芳;陆安祥;王纪华;;基于支持向量机的X射线荧光光谱重金属检测模型的建立[J];分析仪器;2016年04期

4 逯全波;王海宝;傅余;卿川;陈根;;基于匹配追踪和SVM的滚动轴承故障诊断[J];煤矿机械;2016年07期

5 李文峰;戴豪民;许爱强;;时域新指标和PNN在滚动轴承故障诊断中的应用[J];机械科学与技术;2016年09期

6 毛云龙;高军伟;张志强;易龙江;郑依;;基于LabVIEW的轨道车辆轴承故障诊断系统设计[J];青岛大学学报(工程技术版);2016年02期

7 房汉鸣;税爱社;汪辉;宗福兴;路申易;;基于大数据的控制系统故障诊断方法综述[J];单片机与嵌入式系统应用;2016年04期

8 汪敏;王亦红;;神经网络在织物疵点分类识别中的应用[J];计算机工程与设计;2016年01期

9 徐煌;倪志兵;;基于小波包-BP神经网络的内燃机熄火诊断[J];南京工业职业技术学院学报;2015年03期

10 柴凯;张梅军;黄杰;王振业;;基于时频特征和PCA-KELM的液压系统故障诊断[J];解放军理工大学学报(自然科学版);2015年04期

相关期刊论文前10条

1 张鹏;谢艳;孙宁;;基于Matlab的风洞信号延迟时间计算方法[J];兵工自动化;2014年06期

2 王蓓;张根耀;李智;王静;;基于新阈值函数的小波阈值去噪算法[J];计算机应用;2014年05期

3 张鹏;金志伟;孙宁;王春;;风洞连续信号小波分析处理平台的设计与实现[J];测控技术;2014年04期

4 纪峰;李翠;常霞;吴仰玉;;基于改进阈值函数的自适应图像去噪方法[J];传感技术学报;2014年03期

5 庞震;任学平;刘桐桐;单立伟;;基于小波包熵值和EMD结合的滚动轴承微故障诊断方法研究[J];机械传动;2014年03期

6 黄贡献;刘刚;;基于概率神经网络的自行火炮发动机状态监控系统[J];兵工自动化;2014年02期

7 陈晓娟;王文婷;贾明超;宋娜;;基于小波熵自适应阈值的语音信号去噪新方法[J];计算机应用研究;2014年03期

8 都衡;潘宏侠;;基于信息熵和GA-SVM的自动机故障诊断[J];机械设计与研究;2013年05期

9 姜旭刚;何楚瑶;;基于小波变换的自动机故障诊断[J];传感器世界;2013年06期

10 武春林;潘宏侠;;火炮自动机故障诊断研究综述[J];机械管理开发;2013年01期

【相似文献】

相关期刊论文前10条

1 张吉刚;梁娜;;基于概率神经网络的高校毕业生学位评审预测[J];佳木斯大学学报(自然科学版);2011年05期

2 徐光华,屈梁生;基于概率神经网络的机组状态多步预报方法[J];西安交通大学学报;1999年07期

3 高宏岩;;概率神经网络在旋转机械故障诊断中的应用[J];煤矿机械;2006年05期

4 姬东朝;宋笔锋;易华辉;;基于概率神经网络的设备故障诊断及仿真分析[J];火力与指挥控制;2009年01期

5 朱明悦;李小申;;基于概率神经网络的发动机故障诊断方法研究[J];制造业自动化;2012年09期

6 刘宇;卢宇;张玉欣;;概率神经网络在隧道变形位移预测中的应用[J];冶金自动化;2012年04期

7 肖玉玲;孙丽娜;;基于概率神经网络的发动机故障诊断方法研究[J];河南教育学院学报(自然科学版);2012年03期

8 汤俊;莫依雯;邓勇;;概率神经网络在可疑交易监测中的应用及效率比较[J];武汉大学学报(工学版);2013年02期

9 成奇明;张树京;;概率神经网络回归、判别与聚类[J];北方交通大学学报;1993年04期

10 段传学,徐光华,孟光;概率神经网络的边界预报[J];上海交通大学学报;2005年02期