本文選題：小波包分解 + 小波奇異熵��； 參考：《振動與沖擊》2017年10期

【摘要】：提出一種用小波奇異熵(WSE)和自組織特征映射(SOFM)神經(jīng)網(wǎng)絡(luò)進(jìn)行電機軸承故障識別的建模方法。首先通過對電機驅(qū)動端和風(fēng)扇端采集的故障振動信號的小波奇異熵的計算和比較來識別故障軸承的端位;在此基礎(chǔ)上以故障端信號的小波包分解底層各結(jié)點能量為特征向量輸入建立自組織特征映射神經(jīng)網(wǎng)絡(luò)模型來識別故障軸承內(nèi)部的具體點蝕破壞位置。小波奇異熵和SOFM神經(jīng)網(wǎng)絡(luò)的結(jié)合實現(xiàn)了故障軸承端位及其內(nèi)部點蝕位置的聯(lián)合識別。分別對含有內(nèi)外圈和滾動體點蝕故障的軸承進(jìn)行建模和識別試驗,結(jié)果表明:該模型可以有效地識別電機故障軸承的端位及其內(nèi)部點蝕破壞位置;與傳統(tǒng)支持向量機和BP神經(jīng)網(wǎng)絡(luò)識別模型相比,該模型故障識別準(zhǔn)確率更高,識別穩(wěn)定性更好,更適宜于故障識別這樣的多分類問題。
[Abstract]:A modeling method for motor bearing fault identification using wavelet singular entropy (WSE) and self-organizing feature mapping (SOFM) neural network is proposed.Firstly, the end position of the fault bearing is identified by the calculation and comparison of the wavelet singular entropy of the fault vibration signals collected by the motor drive and the fan.On this basis, a self-organizing feature mapping neural network model is established based on wavelet packet decomposition of the signal at the fault end as eigenvector input to identify the specific site of pitting failure inside the fault bearing.The combination of wavelet singular entropy and SOFM neural network realizes the joint recognition of fault bearing end position and its internal pitting position.The results of modeling and identification tests on bearings with internal and external ring and rolling body pitting corrosion fault show that the model can effectively identify the end position of motor fault bearing and its internal pitting failure position.Compared with the traditional support vector machine and BP neural network recognition model, this model has higher accuracy and better recognition stability, and is more suitable for multi-classification problems such as fault recognition.
【作者單位】： 重慶大學(xué)機械傳動國家重點實驗室;重慶大學(xué)汽車工程學(xué)院;
【基金】：國家自然科學(xué)基金(51275540)
【分類號】：TM307

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張云強;張培林;吳定海;李兵;;基于最優(yōu)廣義S變換和脈沖耦合神經(jīng)網(wǎng)絡(luò)的軸承故障診斷[J];振動與沖擊;2015年09期

2 王冰;刁鳴;宋凱;;基于小波奇異熵和相關(guān)向量機的氫氣傳感器故障診斷[J];電機與控制學(xué)報;2015年01期

3 胥永剛;孟志鵬;陸明;;基于雙樹復(fù)小波包變換和SVM的滾動軸承故障診斷方法[J];航空動力學(xué)報;2014年01期

4 王小玲;陳進(jìn);從飛云;;基于時頻的頻帶熵方法在滾動軸承故障識別中的應(yīng)用[J];振動與沖擊;2012年18期

5 張玲玲;趙懿冠;肖云魁;駱詩定;廖紅云;潘全先;;基于小波包-AR譜的變速器軸承故障特征提取[J];振動.測試與診斷;2011年04期

6 趙元喜;胥永剛;高立新;崔玲麗;;基于諧波小波包和BP神經(jīng)網(wǎng)絡(luò)的滾動軸承聲發(fā)射故障模式識別技術(shù)[J];振動與沖擊;2010年10期

7 竇東陽;趙英凱;;基于分類器組的軸承故障識別方法研究[J];振動與沖擊;2010年10期

8 向玲;唐貴基;胡愛軍;;旋轉(zhuǎn)機械非平穩(wěn)振動信號的時頻分析比較[J];振動與沖擊;2010年02期

9 張瑩;潘保芝;;基于主成分分析的SOM神經(jīng)網(wǎng)絡(luò)在火山巖巖性識別中的應(yīng)用[J];測井技術(shù);2009年06期

10 雷璐寧;石為人;范敏;;基于改進(jìn)的SOM神經(jīng)網(wǎng)絡(luò)在水質(zhì)評價分析中的應(yīng)用[J];儀器儀表學(xué)報;2009年11期

相關(guān)碩士學(xué)位論文 前2條

1 秦政博;基于小波包和支持向量機的滾動軸承故障識別方法[D];太原理工大學(xué);2010年

2 楊雪;支持向量機多類分類方法的研究[D];哈爾濱工程大學(xué);2006年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張晴;高軍偉;張彬;毛云龍;董宏輝;;基于小波包-GABP的滾動軸承故障診斷分析[J];青島大學(xué)學(xué)報(工程技術(shù)版);2017年02期

2 任學(xué)平;王朝閣;張玉皓;王建國;;基于雙樹復(fù)小波包自適應(yīng)Teager能量譜的滾動軸承早期故障診斷[J];振動與沖擊;2017年10期

3 賀巖松;黃毅;徐中明;張志飛;;基于小波奇異熵與SOFM神經(jīng)網(wǎng)絡(luò)的電機軸承故障識別[J];振動與沖擊;2017年10期

4 王建平;郝釗;朱程輝;;基于相空間重構(gòu)的光纖周界信號識別算法研究[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2017年05期

5 王強;王莉;李偉偉;;基于IPSO-LS-SVM的異步電動機轉(zhuǎn)子故障診斷[J];測控技術(shù);2017年05期

6 柴愈坤;馮沙沙;王華;;致密砂巖儲層物性參數(shù)建模方法探討[J];中外能源;2017年05期

7 鄧飛躍;唐貴基;;基于時間-小波能量譜樣本熵的滾動軸承智能診斷方法[J];振動與沖擊;2017年09期

8 封楊;黃筱調(diào);洪榮晶;陳捷;;基于圓域分析的大型回轉(zhuǎn)支承初期故障診斷[J];振動與沖擊;2017年09期

9 范強龍;劉文白;孔戈;高建衛(wèi);;馬賽克墻面質(zhì)量檢測研究[J];住宅科技;2017年04期

10 司景萍;馬繼昌;牛家驊;王二毛;;基于模糊神經(jīng)網(wǎng)絡(luò)的智能故障診斷專家系統(tǒng)[J];振動與沖擊;2017年04期

相關(guān)碩士學(xué)位論文 前10條

1 徐慶;基于詞匯語義信息的中文命名實體關(guān)系抽取研究[D];太原理工大學(xué);2016年

2 馮帥;地鐵列車走行部滾動軸承故障診斷與剩余壽命預(yù)測研究[D];北京交通大學(xué);2016年

3 趙瑜;不同交通狀態(tài)下基于手機GPS軌跡的出行信息采集效果評估研究[D];西南交通大學(xué);2016年

4 趙玉婷;基于無人機遙感的灌區(qū)作物覆蓋度估算方法研究[D];西北農(nóng)林科技大學(xué);2016年

5 謝新文;基于計算機視覺的電氣化鐵路絕緣子識別技術(shù)的研究[D];西南交通大學(xué);2016年

6 王國平;油浸式電力變壓器可靠性評估及故障診斷模型研究[D];華南理工大學(xué);2016年

7 毛連忠;基于圖像的服裝號型推薦模型研究[D];東華大學(xué);2016年

8 王浩;基于有限元仿真的滾動軸承與滾珠絲杠副故障診斷方法研究[D];青島理工大學(xué);2015年

9 劉炳樂;基于機器視覺的成捆棒材計數(shù)方法的研究與應(yīng)用[D];天津工業(yè)大學(xué);2016年

10 桑迎平;滾動軸承出廠檢測與故障診斷研究[D];中國計量學(xué)院;2015年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 畢曉君;柳長源;盧迪;;基于PSO-RVM算法的發(fā)動機故障診斷[J];哈爾濱工程大學(xué)學(xué)報;2014年02期

2 張云強;張培林;任國全;;簡化PCNN在磨粒圖像顏色特征提取中的應(yīng)用[J];內(nèi)燃機工程;2013年05期

3 胥永剛;孟志鵬;陸明;;基于雙樹復(fù)小波包變換的滾動軸承故障診斷[J];農(nóng)業(yè)工程學(xué)報;2013年10期

4 李輝;鄭海起;唐力偉;;基于改進(jìn)雙樹復(fù)小波變換的軸承多故障診斷[J];振動.測試與診斷;2013年01期

5 沈默;廖瑛;尹大偉;;RVM在航空發(fā)動機故障診斷中的應(yīng)用研究[J];計算機工程與應(yīng)用;2012年25期

6 李輝;鄭海起;唐力偉;;基于雙樹復(fù)小波包峭度圖的軸承故障診斷研究[J];振動與沖擊;2012年10期

7 楊宇;王歡歡;程軍圣;鄒憲軍;;基于LMD的包絡(luò)譜特征值在滾動軸承故障診斷中的應(yīng)用[J];航空動力學(xué)報;2012年05期

8 蔡艷平;李艾華;石林鎖;許平;張瑋;;基于EMD-WVD振動譜時頻圖像SVM識別的內(nèi)燃機故障診斷[J];內(nèi)燃機工程;2012年02期

9 遲華山;王紅星;郭奇;賴淑蓉;;短時傅里葉變換在線性調(diào)頻信號時頻濾波中的應(yīng)用[J];電訊技術(shù);2012年02期

10 艾延廷;費成巍;;轉(zhuǎn)子振動故障的小波能譜熵SVM診斷方法[J];航空動力學(xué)報;2011年08期

相關(guān)碩士學(xué)位論文 前6條

1 黃一樣;基于小波理論的滾動軸承智能故障診斷方法的研究[D];中南大學(xué);2009年

2 楊勇;EMD和模糊神經(jīng)網(wǎng)絡(luò)在滾動軸承故障診斷中的研究與應(yīng)用[D];太原理工大學(xué);2008年

3 朱穎輝;基于支持向量機的小樣本故障診斷[D];武漢科技大學(xué);2006年

4 曾嶸;支持向量機在設(shè)備故障診斷中的應(yīng)用研究[D];中南大學(xué);2005年

5 楊琦;支持向量機在液壓系統(tǒng)故障診斷中的應(yīng)用研究[D];大連海事大學(xué);2005年

6 黃文艷;支持向量機與指紋分類算法研究[D];河北工業(yè)大學(xué);2003年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡子義;彭巖;;基于AHP-SOFM的建筑工程評標(biāo)決策模型研究[J];計算機應(yīng)用與軟件;2008年05期

2 張博洋,吳曉娟,葛慶國;基于SOFM神經(jīng)網(wǎng)絡(luò)的動態(tài)手勢分割技術(shù)的研究[J];山東大學(xué)學(xué)報(工學(xué)版);2004年01期

3 李樂;嵇成新;;基于SOFM神經(jīng)網(wǎng)絡(luò)的多目標(biāo)跟蹤方法[J];四川兵工學(xué)報;2009年04期

4 傅明,鄭斌;基于SOFM網(wǎng)絡(luò)的關(guān)鍵詞排序[J];長沙交通學(xué)院學(xué)報;2003年02期

5 潘亞磊;李天劍;陳曉;;基于SOFM算法的光源亮度控制方法[J];北京信息科技大學(xué)學(xué)報(自然科學(xué)版);2013年06期

6 曹守華;袁振洲;韓寶明;李得偉;;基于SOFM神經(jīng)網(wǎng)絡(luò)的客運一體化樞紐分類[J];北京交通大學(xué)學(xué)報;2008年06期

7 劉雪梅;張樹生;董文勝;黃紹林;;逆向工程中基于SOFM和FCM的組合分區(qū)算法[J];中國機械工程;2007年02期

8 諶德榮;陶鵬;宮久路;范寧軍;;一種基于SOFM神經(jīng)網(wǎng)絡(luò)的高光譜圖像快速分類方法[J];兵工學(xué)報;2009年02期

9 朱家元;劉慶華;劉根;;基于SOFM網(wǎng)絡(luò)的雷達(dá)裝備智能故障診斷[J];空軍雷達(dá)學(xué)院學(xué)報;2010年03期

10 馮長建,丁啟全,吳昭同,童進(jìn);SOFM和HMM在旋轉(zhuǎn)機械升降速全過程故障診斷中的應(yīng)用[J];上海海運學(xué)院學(xué)報;2001年03期

相關(guān)會議論文 前6條

1 陸相林;;SOFM方法在山東省17地市旅游綜合實力評價中的應(yīng)用[A];節(jié)能環(huán)保 和諧發(fā)展——2007中國科協(xié)年會論文集（一）[C];2007年

2 黃姣;;基于GIS與SOFM網(wǎng)絡(luò)的中國綜合自然區(qū)劃[A];地理學(xué)核心問題與主線——中國地理學(xué)會2011年學(xué)術(shù)年會暨中國科學(xué)院新疆生態(tài)與地理研究所建所五十年慶典論文摘要集[C];2011年

3 劉特安;聶建英;;基于SOFM神經(jīng)網(wǎng)絡(luò)的大氣窗口最優(yōu)特征方法研究[A];2009年先進(jìn)光學(xué)技術(shù)及其應(yīng)用研討會論文集（上冊）[C];2009年

4 楊英華;陸寧云;馬立玲;王福利;;一種基于改進(jìn)SOFM網(wǎng)絡(luò)的過程監(jiān)測算法[A];第二十屆中國控制會議論文集（下）[C];2001年

5 王俊;康世華;劉映杰;馬義德;;基于平衡正交多小波與SOFM的圖像壓縮方法[A];第25屆中國控制會議論文集（中冊）[C];2006年

6 何濤;萬鵬;謝衛(wèi)容;;基于CCA和SOFM的軸承故障特征提取[A];湖北省機械工程學(xué)會青年分會2006年年會暨第2屆機械學(xué)院院長（系主任）會議論文集（上）[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 胡子義;基于AHP-SOFM的智能化決策模型研究與應(yīng)用[D];首都師范大學(xué);2006年

2 王磊明;SOFM算法在圖像識別中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2011年

3 王鑫;遺傳優(yōu)化的SOFM神經(jīng)網(wǎng)絡(luò)在圖像分割中的應(yīng)用[D];西安電子科技大學(xué);2011年

4 任千偉;基于ARM的G-SOFM圖像識別算法研究和應(yīng)用[D];遼寧工程技術(shù)大學(xué);2012年

5 王欣欣;基于KPCA和SOFM神經(jīng)網(wǎng)絡(luò)的文本分類算法研究[D];新疆大學(xué);2012年

6 李鑫環(huán);基于SOFM的腦部MRI圖像分割算法研究[D];太原科技大學(xué);2009年

7 康達(dá)輝;基于SOFM的視頻對象分割算法的研究[D];吉林大學(xué);2006年

8 張繼昊;基于SOFM自組織特征映射網(wǎng)絡(luò)的圖像語義分割與標(biāo)識[D];上海交通大學(xué);2010年

9 王靚明;融合多重模糊矩陣_SOFM的Web日志挖掘研究[D];南昌大學(xué);2010年

10 羅凱;基于SOFM和專家分類器的土地類型遙感分類研究[D];北京林業(yè)大學(xué);2008年

，

本文編號：1761456