本文關(guān)鍵詞：基于極點對稱模態(tài)分解和概率神經(jīng)網(wǎng)絡(luò)的軸承故障診斷

  更多相關(guān)文章： 滾動軸承 極點對稱模態(tài)分解 概率神經(jīng)網(wǎng)絡(luò) 故障診斷

【摘要】：針對復(fù)雜非線性的滾動軸承系統(tǒng),提出了極點對稱模態(tài)分解(ESMD)和概率神經(jīng)網(wǎng)絡(luò)(PNN)相結(jié)合的滾動軸承故障診斷方法。ESMD將固有模態(tài)函數(shù)的定義進行擴充,采用內(nèi)部極點對稱直接插值的方法替代外部包絡(luò)線插值,引入最優(yōu)的自適應(yīng)全局曲線(AGM)的概念優(yōu)化分解的趨勢線,并由此確定最佳的模態(tài)分解次數(shù)。PNN是一種基于核函數(shù)逼近的神經(jīng)網(wǎng)絡(luò)分類器,將指數(shù)函數(shù)引入神經(jīng)網(wǎng)絡(luò)用來替代S型激活函數(shù)并進行重新構(gòu)造,突出體現(xiàn)了梯度最速下降法的概念,減少實際和預(yù)測的輸出函數(shù)之間的誤差。通過對經(jīng)驗?zāi)B(tài)分解(EMD)、屏蔽經(jīng)驗?zāi)B(tài)分解(MEMD)和ESMD方法進行信號仿真分解對比,以及采用ESMD和PNN對故障數(shù)據(jù)進行處理,結(jié)果表明,該方法能夠更加有效地對故障信號進行識別。
【作者單位】： 燕山大學電氣工程學院;中南大學信息工程學院;燕山大學機械工程學院;
【關(guān)鍵詞】： 滾動軸承 極點對稱模態(tài)分解 概率神經(jīng)網(wǎng)絡(luò) 故障診斷
【基金】：國家自然科學基金資助項目(51475405,61077071) 河北省自然科學基金資助項目(F2016203496,F2015203413)
【分類號】：TH133.33
【正文快照】： 0引言滾動軸承是旋轉(zhuǎn)機械的重要組成部分,其振動信號是各種噪聲和軸承的振動信號的疊加,具有非線性和非平穩(wěn)性特征。處理方法包括傅里葉變換、小波變換以及自適應(yīng)信號處理方法經(jīng)驗?zāi)B(tài)分解(empirical mode decomposition,EMD)等[1-3]。傅里葉變換和小波變換等時頻信號分析方法

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 程軍圣,于德介,楊宇;經(jīng)典模態(tài)分解方法中內(nèi)稟模態(tài)函數(shù)判據(jù)問題研究[J];中國機械工程;2004年20期

2 葉慶衛(wèi);汪同慶;;基于幅譜分割的粒子群最優(yōu)模態(tài)分解研究與應(yīng)用[J];儀器儀表學報;2009年08期

3 王良鋒;喬渭陽;紀良;余索遠;;軸流風扇/壓氣機管道周向聲模態(tài)的測量[J];航空動力學報;2014年04期

4 甘甜;王英民;趙俊渭;;模態(tài)分解的波束形成方法研究[J];兵工學報;2011年03期

5 李中付,華宏星,宋漢文,陳之炎;模態(tài)分解法辨識線性結(jié)構(gòu)在環(huán)境激勵下的模態(tài)參數(shù)[J];上海交通大學學報;2001年12期

6 劉志剛,陳艾榮;橋梁順風向等效風荷載計算方法及其分布[J];同濟大學學報(自然科學版);2003年08期

7 李苗;任偉新;胡異丁;王寧波;;基于解析模態(tài)分解法的橋梁動態(tài)應(yīng)變監(jiān)測數(shù)據(jù)溫度影響的分離[J];振動與沖擊;2012年21期

8 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 裴利軍;邱本花;;模態(tài)分解法在非恒同耦合系統(tǒng)同步研究中的推廣[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術(shù)會議論文集[C];2009年

2 潘，

本文編號：720821