基于DBI-小波包分解和改进BP神经网络的轴承故障诊断方法研究
张玉彦
张金龙
文笑雨
李浩
孙春亚
王昊琪
乔东平
郑州轻工业大学 河南省机械装备智能制造重点实验室,河南 郑州 450002
摘要：针对轴承故障诊断问题,以振动信号为分析对象,提出DBI-小波包分解和改进BP神经网络的诊断方法.采用4层小波包分解获取振动信号的不同频带特征,引入戴维森堡丁指数(Davies-Bouldin index,DBI)定量评价小波包分解结果,确定小波基函数为FK22时达到最佳分解结果.采用改进的BP神经网络对不同频带特征识别,引入弹性梯度下降法解决传统BP神经网络收敛速度慢和梯度消失等问题,提高网络训练速度.同时,针对BP神经网络隐藏层层数及各隐藏层节点个数难以确定的问题,设计正交实验对不同参数组合效果进行验证,选出最佳参数,避免盲目低效调参.对电机滚动轴承进行验证,结果表明平均故障识别准确率达到98.833％.
关键词：轴承故障诊断小波包分解BP神经网络戴维森堡丁指数
分类号：TH165(机械制造工艺)TH133(机械零件及传动装置)
资助基金：国家自然科学基金(52105536)国家自然科学基金(51905494)河南省重点研发与推广专项(科技攻关)项目(212102210072)郑州轻工业大学博士科研基金资助项目(JDG20200109)教育部人文社会科学研究项目(19YJCZH185)河南省科技攻关项目(202102210088)河南省高等学校重点科研计划项目(20A460029)
论文发表日期：2023-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 116-123 )
英文信息