时域新指标和PNN在滚动轴承故障诊断中的应用

发布时间：2017-10-12 00:30

  本文关键词：时域新指标和PNN在滚动轴承故障诊断中的应用

  更多相关文章： 滚动轴承 时域指标 概率神经网络 故障诊断

【摘要】：针对传统时域指标在滚动轴承信号特征提取时分类精度不高的问题。首先,选取适合在线简单快速判别的时域指标,并根据轴承疲劳损伤大小和局部损伤数量增加,分析时域指标对故障的敏感性;其次,融合传统时域指标,得到了两个更为敏感的时域新指标TALAF和THIKAT;最后,利用实时性较好的概率神经网络训练和测试包括两个新指标的数据集,并与未加入新指标的数据集训练和测试结果进行比较,仿真结果验证了TALAF和THIKAT指标有效提高了轴承故障诊断的准确性。
【作者单位】： 海军航空工程学院科研部;92635部队;
【关键词】： 滚动轴承 时域指标 概率神经网络 故障诊断
【分类号】：TH133.33
【正文快照】： 滚动轴承故障诊断的关键是得到能够反映轴承不同故障状态的特征参数,在轴承疲劳损伤诊断中,基于振动信号的诊断最为常见[1-4]。振动信号中大多为非平稳信号,因此,对振动信号进行特征提取是轴承诊断的基础,特征参数的选取能够决定后期分类精度的好坏。常见的信号特征提取方法或

【相似文献】

中国期刊全文数据库 前1条

1 辜幼川;戴华勇;;破碎机轴承故障的时域指标诊断[J];中国设备工程;2006年05期

，

本文编号：1015667