本文關(guān)鍵詞：滾動軸承時域新指標(biāo)的WNN狀態(tài)退化預(yù)測研究

  更多相關(guān)文章： 滾動軸承 時域指標(biāo) 小波神經(jīng)網(wǎng)絡(luò) 故障預(yù)測

【摘要】：針對傳統(tǒng)時域指標(biāo)在滾動軸承信號特征提取時狀態(tài)預(yù)測精度不高的問題,首先,選取適合在線簡單快速判別的時域指標(biāo),并根據(jù)軸承疲勞損傷大小和局部損傷數(shù)量增加,分析時域指標(biāo)特征對狀態(tài)變化的敏感性;其次,基于傳統(tǒng)時域指標(biāo),尋求兩個更為敏感的時域組合指標(biāo)TALAF和THIKAT;最后,利用小波神經(jīng)訓(xùn)練和測試兩個新指標(biāo)的數(shù)據(jù)樣本,并與傳統(tǒng)時域指標(biāo)峭度及BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法進(jìn)行比較,仿真結(jié)果驗(yàn)證了TALAF和THIKAT指標(biāo),有效提高了軸承故障預(yù)測的準(zhǔn)確性。
【作者單位】： 海軍航空工程學(xué)院科研部;92635部隊(duì);
【關(guān)鍵詞】： 滾動軸承 時域指標(biāo) 小波神經(jīng)網(wǎng)絡(luò) 故障預(yù)測
【分類號】：TH133.33
【正文快照】： 0引言滾動軸承故障預(yù)測的關(guān)鍵是得到能夠反映軸承不同故障狀態(tài)的特征參數(shù),在軸承疲勞損傷預(yù)測中,基于振動信號的預(yù)測最為常見[1-4]。振動信號中大多為非平穩(wěn)信號,因此,對振動信號進(jìn)行特征提取是軸承診斷的基礎(chǔ),特征參數(shù)的選取能夠決定后期預(yù)測精度的好壞。常見的信號特征提取，

本文編號：901480