基于CEEMD-BP神经网络大数据轴承故障诊断

发布时间：2018-07-01 09:36

  本文选题：故障诊断 + 滚动轴承　； 参考：《设备管理与维修》2016年09期

【摘要】：基于BP神经网络的智能诊断方法,应用于离心泵的滚动轴承故障诊断中。将原信号经过CEEMD分解进行降噪处理,重构信号并求出时频域特征参数;选取合适的时域特征参数(峭度指标、峰值指数等)和频域特征参数(重心频率、均方频率等),作为BP神经网络的输入;确定网络层的数目、各层节点数目和初始权值大小,进一步明确诊断模型;对比实际输出值与理论输出,推导滚动轴承的故障状态。实践证明,由于BP神经网络在信号处理方面具有很强的数据拟合能力,这种方法在大数据滚动轴承故障诊断中取得良好应用效果。
[Abstract]:The intelligent diagnosis method based on BP neural network is applied to the fault diagnosis of rolling bearing of centrifugal pump. The original signal is decomposed by CEEMD, the signal is reconstructed and the characteristic parameters in time-frequency domain are obtained, the appropriate time domain characteristic parameters (kurtosis index, peak index, etc.) and the frequency domain characteristic parameters (centroid frequency, etc.) are selected. Mean square frequency is used as the input of BP neural network; the number of network layers, the number of nodes in each layer and the initial weight value are determined; the diagnosis model is further defined; the fault state of rolling bearing is deduced by comparing the actual output value with the theoretical output. It is proved by practice that BP neural network has strong data fitting ability in signal processing, and this method has good application effect in fault diagnosis of big data rolling bearing.
【作者单位】： 北京化工大学;海军航空工程学院;中国烟草总公司职工进修学院;
【分类号】：TH133.33;TP183

【相似文献】

相关期刊论文 前10条

1 唐贵基;杨玉婧;宋彩萌;;基于神经网络的旋转机械振动故障诊断[J];机械工程师;2012年01期

2 栾美洁;许飞云;贾民平;;旋转机械故障诊断的神经网络方法研究[J];噪声与振动控制;2008年01期

3 高强;钱林方;侯远龙;王力;;泵控缸电液位置伺服系统的神经网络模型参考自适应控制[J];机床与液压;2008年06期

4 徐小力;左云波;吴国新;;量子神经网络在旋转机组状态趋势预测中的应用[J];机械强度;2010年04期

5 何文;同淑荣;王克勤;;基于神经网络的质量控制图异常诊断[J];机械制造;2013年05期

6 许宁,黄之初;神经网络在旋转机械故障诊断中的应用研究[J];矿山机械;2005年08期

7 宋文杰;刘伯峰;王平;姜冰;;基于小波—神经网络的故障劣化趋势检测[J];职大学报(自然科学版);2006年02期

8 王志涛;肖明清;谢化勇;禚真福;薛辉辉;;基于神经网络的故障诊断效能模糊综合评价研究[J];计算机测量与控制;2011年12期

9 戴中浩;林琼;王秋成;;基于神经网络的再制造自动变速箱检测及试验研究[J];机械制造;2012年01期

10 何存富;杨申;刘增华;焦敬品;宋国荣;吴斌;;基于神经网络技术的管道机电阻抗健康状况定量评估研究[J];实验力学;2013年01期

相关会议论文 前9条

1 杜福银;封其勃;;一种基于Hopfield神经网络作业车间调度问题的优化方法[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

2 宋国明;王厚军;姜书艳;刘红;;基于神经网络的融合智能诊断方法在模拟电路故障诊断中的应用[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

3 宋轶民;余跃庆;张策;马文贵;;基于神经网络的机敏机构振动自校正控制[A];第十二届全国机构学学术研讨会论文集[C];2000年

4 吴洪民;;气动伺服定位系统的神经网络模糊自适应PID控制[A];第一届全国流体动力及控制工程学术会议论文集（第二卷）[C];2000年

5 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];液压与气动学术研讨会论文集[C];2004年

6 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];第三届全国流体传动及控制工程学术会议论文集（第三卷）[C];2004年

7 曹春红;张斌;王利民;李文辉;;基于免疫神经网络的几何约束求解技术的研究[A];第二十七届中国控制会议论文集[C];2008年

8 谢进;阎开印;陈永;;神经网络技术在平面机构综合中的应用[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（下册）[C];2002年

9 徐志方;贺小明;张传维;沈路;;集成神经网络信息融合技术在给水泵故障诊断中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

相关硕士学位论文 前10条

1 杨航;基于神经网络和遗传算法的轴流风机叶轮优化[D];燕山大学;2015年

2 刘r，

本文编号：2087346