發(fā)布時間：2017-07-29 21:28

  本文關(guān)鍵詞：采用小波包ASGSO-RBF的采煤機滾動軸承故障診斷

  更多相關(guān)文章： 采煤機滾動軸承 故障診斷模型 小波包 RBF神經(jīng)網(wǎng)絡(luò) 自適應(yīng)步長螢火蟲算法

【摘要】：針對采煤機滾動軸承常見的突發(fā)問題診斷準確性不高和速度慢,以小波包和RBF神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),提出了由小波包分解提取各個節(jié)點特征能量譜與自適應(yīng)步長螢火蟲算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)進行分類辨識的采煤機滾動軸承故障診斷方法.對振動傳感器輸出的信號進行小波包分解,運用基于代價函數(shù)的局域判別基(LDB)算法對小波包分解進行裁剪,獲取最優(yōu)的特征能量譜,經(jīng)處理后作為特征向量訓練ASGSO-RBF神經(jīng)網(wǎng)絡(luò),建立診斷模型.實驗結(jié)果表明:所建模型的故障辨識正確率達到95.8%以上,相較于其他算法模型具有更低的誤報率和漏報率,診斷精度及診斷效率更高.
【作者單位】： 遼寧工程技術(shù)大學電氣與控制工程學院;
【關(guān)鍵詞】： 采煤機滾動軸承 故障診斷模型 小波包 RBF神經(jīng)網(wǎng)絡(luò) 自適應(yīng)步長螢火蟲算法
【基金】：國家自然科學基金項目(51274118)
【分類號】：TD421.6;TH133.33
【正文快照】： 0引言采煤機是煤礦綜采生產(chǎn)的核心設(shè)備,其工作環(huán)境十分惡劣,常會出現(xiàn)軸承破損等關(guān)鍵部件故障,嚴重時會引起人員傷亡等安全事故[1].因此,實時掌握采煤機工況信息,保證其處于良好的工作狀態(tài)是保障煤礦高產(chǎn)穩(wěn)產(chǎn)的關(guān)鍵措施之一.目前,國內(nèi)外的專家學者對此研究提出了很多方法[2].文，

本文編號：591208