滚动轴承时域新指标的WNN状态退化预测研究

发布时间：2017-09-22 15:02

  本文关键词：滚动轴承时域新指标的WNN状态退化预测研究

  更多相关文章： 滚动轴承 时域指标 小波神经网络 故障预测

【摘要】：针对传统时域指标在滚动轴承信号特征提取时状态预测精度不高的问题,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,分析时域指标特征对状态变化的敏感性;其次,基于传统时域指标,寻求两个更为敏感的时域组合指标TALAF和THIKAT;最后,利用小波神经训练和测试两个新指标的数据样本,并与传统时域指标峭度及BP神经网络预测方法进行比较,仿真结果验证了TALAF和THIKAT指标,有效提高了轴承故障预测的准确性。
【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 小波神经网络 故障预测
【分类号】：TH133.33
【正文快照】： 0引言滚动轴承故障预测的关键是得到能够反映轴承不同故障状态的特征参数,在轴承疲劳损伤预测中,基于振动信号的预测最为常见[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预测精度的好坏。常见的信号特征提取，

本文编号：901480