本文選題：滾動(dòng)軸承 + 總體平均經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)　； 參考：《制造技術(shù)與機(jī)床》2016年03期

【摘要】：提出了一種基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解和GRNN神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法。首先通過(guò)EEMD方法將非平穩(wěn)、非線(xiàn)性的滾動(dòng)軸承振動(dòng)信號(hào)分解為若干個(gè)平穩(wěn)的固有模態(tài)函數(shù)(IMF)之和,提取前8個(gè)IMF分量作為頻域特征,同其他14個(gè)時(shí)頻域特征指標(biāo)組成特征集輸入到GRNN神經(jīng)網(wǎng)絡(luò)中,建立起GRNN網(wǎng)絡(luò)模型,對(duì)滾動(dòng)軸承三種故障狀態(tài)進(jìn)行模式識(shí)別。通過(guò)分析比較BP和GRNN兩種網(wǎng)絡(luò)模型對(duì)故障的診斷結(jié)果,驗(yàn)證了GRNN網(wǎng)絡(luò)的優(yōu)越性和可行性。
[Abstract]:A fault diagnosis method for rolling bearing based on population average empirical mode decomposition and GRNN neural network is proposed. Firstly, the non-stationary and nonlinear vibration signals of rolling bearings are decomposed into the sum of several stationary intrinsic mode functions by EEMD method, and the first eight IMF components are extracted as frequency domain features. With the other 14 time-frequency feature indexes, the feature set is input into the GRNN neural network, and the GRNN network model is established to recognize the three fault states of the rolling bearing. The advantages and feasibility of GRNN network are verified by analyzing and comparing the fault diagnosis results of BP and GRNN network models.
【作者單位】： 青島理工大學(xué);
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51075220) 山東省高等學(xué)校科技計(jì)劃項(xiàng)目(J13LB11) 高等學(xué)校博士學(xué)科點(diǎn)專(zhuān)項(xiàng)科研基金(20123721110001) 青島市科技計(jì)劃基礎(chǔ)研究項(xiàng)目(12-1-4-4-(3)-JCH)
【分類(lèi)號(hào)】：TH133.33

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李宗龍;王冰燦;;基于GRNN的中國(guó)出口集裝箱運(yùn)價(jià)指數(shù)預(yù)測(cè)[J];中國(guó)商貿(mào);2013年21期

2 黃銘;劉俊;;高壩基巖多點(diǎn)變形監(jiān)測(cè)的GRNN模型研究[J];水力發(fā)電;2007年03期

3 江鴻;車(chē)?yán)?;基于GRNN的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)[J];科技信息(學(xué)術(shù)研究);2008年03期

4 劉遵雄;周天清;;基于奇異譜分析的GRNN模型在金融時(shí)間序列中的應(yīng)用[J];華東交通大學(xué)學(xué)報(bào);2011年02期

5 高凌琴;;基于GRNN的汽車(chē)保有量預(yù)測(cè)模型[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

6 李益民;;基于GRNN的主要編組站辦理車(chē)輛數(shù)的預(yù)測(cè)[J];鐵道運(yùn)輸與經(jīng)濟(jì);2012年02期

7 王琪潔;杜亞男;劉建;;Introducing atmospheric angular momentum into prediction of length of day change by generalized regression neural network model[J];Journal of Central South University;2014年04期

8 賀湘宇;何清華;蔣蘋(píng);何志勇;;基于動(dòng)態(tài)GRNN模型的挖掘機(jī)液壓系統(tǒng)故障檢測(cè)[J];中國(guó)工程機(jī)械學(xué)報(bào);2010年03期

9 崔東文;郭榮;;基于GRNN模型的區(qū)域水資源可持續(xù)利用評(píng)價(jià)——以云南文山州為例[J];人民長(zhǎng)江;2012年05期

10 吳大中;吳麗華;;基于改進(jìn)的GRNN的固體氧化物燃料電池辨識(shí)模型研究[J];能源研究與信息;2013年04期

相關(guān)會(huì)議論文 前10條

1 銀濤;俞集輝;;基于GRNN的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)[A];第十屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

2 Ziwen Leng;Junwei Gao;Yong Qin;Xin Liu;Jing Yin;;Short-term Forecasting Model of Traffic Flow Based on GRNN[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

3 陳其紅;闞樹(shù)林;秦臻;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)的設(shè)備可靠性預(yù)測(cè)[A];2011年全國(guó)機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會(huì)暨第四屆可靠性工程分會(huì)第三次全體委員大會(huì)論文集[C];2011年

4 柴毅;凌睿;;基于參數(shù)優(yōu)化與GRNN逼近的非線(xiàn)性PID控制[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

5 徐中;張敬瑩;趙小波;;基于GRNN的粘彈材料阻尼性能的預(yù)測(cè)[A];第六屆中國(guó)功能材料及其應(yīng)用學(xué)術(shù)會(huì)議論文集（10）[C];2007年

6 王小輝;王琪潔;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的日長(zhǎng)變化的高精度預(yù)報(bào)[A];中國(guó)天文學(xué)會(huì)2011年學(xué)術(shù)年會(huì)手冊(cè)[C];2011年

7 馬珊;龐永杰;張鐵棟;;基于GRNN的聲圖像特征研究[A];第十五屆中國(guó)海洋（岸）工程學(xué)術(shù)討論會(huì)論文集(上)[C];2011年

8 陳端;曹陽(yáng);梅一韜;仲云飛;吳邦彬;;GRNN神經(jīng)網(wǎng)絡(luò)在大壩滲流預(yù)測(cè)中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專(zhuān)委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

9 李慧英;李曉奇;;旅游需求預(yù)測(cè)分析——對(duì)比GRNN與多元回歸分析方法的應(yīng)用[A];第四屆中國(guó)智能計(jì)算大會(huì)論文集[C];2010年

10 陳欣;肖建華;欒培賢;徐強(qiáng);王洪斌;;基于BP與GRNN神經(jīng)網(wǎng)絡(luò)的PRRS預(yù)測(cè)模型的研究[A];中國(guó)畜牧獸醫(yī)學(xué)會(huì)信息技術(shù)分會(huì)2012年學(xué)術(shù)研討會(huì)論文集[C];2012年

相關(guān)碩士學(xué)位論文 前2條

1 金帥軍;基于GRNN神經(jīng)網(wǎng)絡(luò)的農(nóng)作物蟲(chóng)害量預(yù)測(cè)系統(tǒng)設(shè)計(jì)[D];內(nèi)蒙古工業(yè)大學(xué);2013年

2 任茹香;基于GRNN的變權(quán)重組合預(yù)測(cè)模型在傳染病發(fā)病率預(yù)測(cè)中的應(yīng)用[D];浙江大學(xué);2011年

，

本文編號(hào)：1881783