本文關(guān)鍵詞：基于小波包變換和極限學習機的滾動軸承故障診斷　出處：《太原理工大學學報》2017年06期 　論文類型：期刊論文

  更多相關(guān)文章： 軸承 故障診斷 小波包變換 極限學習機

【摘要】：采用基于小波包變換(WPT)和極限學習(ELM)的方法對軸承故障進行診斷和分類辨識。該方法首先采用小波包變換對采集到的振動信號進行分解,求得各頻帶的相對能量,并構(gòu)建特征向量,接著利用極限學習機進行自動分類識別。經(jīng)使用實驗臺實測電機滾動軸承不同狀態(tài)的信號進行分析,研究結(jié)果表明,所建立的自動分類模型可以有效地對軸承的單一故障,以及不同程度故障有很好的辨識能力。
[Abstract]:......
【作者單位】： 太原理工大學信息工程學院;太原理工大學機械電子工程研究所;
【基金】：國家自然科學基金資助項目(61371062) 山西省自然科學基金資助項目(2014081030)
【分類號】：TH133.33;TP18
【正文快照】： 滾動軸承作為旋轉(zhuǎn)機械的重要零部件之一,其工作狀態(tài)對系統(tǒng)的正常運行起著非常重要的作用。一些統(tǒng)計顯示,齒輪箱中軸承引起的故障約占故障總量的1/5,而在電動機中,由軸承導致的故障更是高達半數(shù)以上[1]。因此研究滾動軸承的故障診斷、進行檢測、預判,對防止重大損失具有重要的

【相似文獻】

相關(guān)期刊論文 前10條

1 徐啟圣;許澤銀;張遠斌;李柱國;;基于小波包變換的油液磨損信號降噪研究[J];潤滑與密封;2009年10期

2 董辛e，

本文編號：1351229