基于小波包和BP神经网络的刚性罐道故障诊断
马天兵
王孝东
杜菲
陈南南
1.安徽理工大学机械工程学院,安徽淮南,2320012.安徽理工大学机械工程学院,安徽淮南,2320013.安徽理工大学机械工程学院,安徽淮南,2320014.安徽理工大学机械工程学院,安徽淮南,232001
摘要：针对现有刚性罐道故障诊断方法不能消除环境因素影响、接头故障识别率较低等问题,以提高罐道故障种类识别精度为目标,提出了基于小波包和BP神经网络的刚性罐道故障诊断方法.搭建了立井提升系统实验台,模拟台阶突起故障和罐道接头故障这2种典型的罐道故障,采集提升容器振动加速度信号;运用小波包分解对采集的信号进行能量分析并提取故障特征参数,将故障特征参数作为BP神经网络的输入,并选取新的测试样本检测神经网络的诊断效果.测试结果表明,基于小波包分析和BP神经网络的刚性罐道故障诊断方法具有较高的故障识别精度,置信度达到了0.91.
关键词：立井提升刚性罐道故障诊断故障种类识别小波包BP神经网络
分类号：TD53(矿山运输与设备)
资助基金：国家自然科学基金(51305003)安徽省博士后基金(2017B172)安徽省高等学校自然科学研究重大项目(KJ2015ZD19)国家自然科学基金(2016yz004)
论文发表日期：2018-01-01
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：5( 76-80 )
英文信息