基于小波包分解和PSO-BPNN的滚动轴承故障诊断
鞠晨1
张超2
樊红卫3
张旭辉3
杨一晴2
严杨2
1.神华神东煤炭集团有限责任公司技术研究院,陕西神木7193152.西安科技大学机械工程学院,陕西西安 7100543.西安科技大学机械工程学院,陕西西安 710054;西安科技大学陕西省矿山机电装备智能监测重点实验室,陕西西安 710054
摘要：针对现有煤矿旋转机械滚动轴承故障诊断方法存在信号有效特征提取不完全、故障诊断精度不高及效率低等问题,提出了一种基于小波包分解和粒子群优化BP神经网络的滚动轴承故障诊断方法.该方法包括信号特征提取和故障类型识别两部分:在信号特征提取部分,对采集的滚动轴承振动信号进行小波包分解,得到各子频带能量及信号总能量,经归一化处理后获得表征滚动轴承状态的特征向量;在故障类型识别部分,通过粒子群优化算法优化BP神经网络的初始权值和阈值,以加速网络收敛速度,避免陷入局部极小值.实验结果表明,该方法提高了滚动轴承故障诊断效率和准确率.
关键词：煤矿旋转机械滚动轴承故障诊断小波包分解粒子群优化BP神经网络
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(51974228)国家自然科学基金(51605380)陕西省自然科学基础研究计划(2019JLZ-08)陕西省重点研发计划项目(2019GY-093)陕西省重点研发计划项目(2018ZDCXL-GY-06-04)陕西省科技创新团队项目(2018TD-032)
论文发表日期：2020-08-10
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( 70-74 )
英文信息