基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法

发布时间：2017-12-11 09:24

  本文关键词：基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法

  更多相关文章： 局部均值分解 故障特征提取 多尺度熵 概率神经网络 故障诊断

【摘要】：研究了一种基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数分量,然后将各分量的多尺度熵作为故障特征向量输入概率神经网络进行模式识别,实现了对损伤位置和损伤程度的诊断。将该方法与基于LMD时域统计量和神经网络的滚动轴承故障诊断方法进行了对比。实验结果表明,基于LMD多尺度熵和概率神经网络的方法能对滚动轴承故障进行有效的识别与诊断。
【作者单位】： 燕山大学河北省测试计量技术及仪器重点实验室;国家冷轧板带装备及工艺工程技术研究中心;
【基金】：国家自然科学基金资助项目(51575472) 河北省自然科学基金资助项目(E2015203356) 河北省高等学校科学研究计划资助重点项目(ZD2015049) 河北省留学人员科技活动择优资助项目(C2015005020)
【分类号】：TH133.33
【正文快照】： 0引言滚动轴承是旋转机械中应用最广泛的机械部件,也是最容易出现故障的机械部件,其运行状态正常与否将直接影响到整个机组的性能,因此对滚动轴承的故障诊断方法和监测技术的研究具有重要意义[1]。滚动轴承振动信号包含丰富的故障特征信息,当滚动轴承发生故障时,振动信号呈现

【相似文献】

中国期刊全文数据库 前2条

1 郑近德;程军圣;胡思宇;;多尺度熵在转子故障诊断中的应用[J];振动.测试与诊断;2013年02期

2 ;[J];;年期

，

本文编号：1277934