采用小波包ASGSO-RBF的采煤机滚动轴承故障诊断

发布时间：2017-07-29 21:28

  本文关键词：采用小波包ASGSO-RBF的采煤机滚动轴承故障诊断

  更多相关文章： 采煤机滚动轴承 故障诊断模型 小波包 RBF神经网络 自适应步长萤火虫算法

【摘要】：针对采煤机滚动轴承常见的突发问题诊断准确性不高和速度慢,以小波包和RBF神经网络为基础,提出了由小波包分解提取各个节点特征能量谱与自适应步长萤火虫算法优化的RBF神经网络进行分类辨识的采煤机滚动轴承故障诊断方法.对振动传感器输出的信号进行小波包分解,运用基于代价函数的局域判别基(LDB)算法对小波包分解进行裁剪,获取最优的特征能量谱,经处理后作为特征向量训练ASGSO-RBF神经网络,建立诊断模型.实验结果表明:所建模型的故障辨识正确率达到95.8%以上,相较于其他算法模型具有更低的误报率和漏报率,诊断精度及诊断效率更高.
【作者单位】： 辽宁工程技术大学电气与控制工程学院;
【关键词】： 采煤机滚动轴承 故障诊断模型 小波包 RBF神经网络 自适应步长萤火虫算法
【基金】：国家自然科学基金项目(51274118)
【分类号】：TD421.6;TH133.33
【正文快照】： 0引言采煤机是煤矿综采生产的核心设备,其工作环境十分恶劣,常会出现轴承破损等关键部件故障,严重时会引起人员伤亡等安全事故[1].因此,实时掌握采煤机工况信息,保证其处于良好的工作状态是保障煤矿高产稳产的关键措施之一.目前,国内外的专家学者对此研究提出了很多方法[2].文，

本文编号：591208