基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法

作者:孟宗;胡猛;谷伟明;赵东方 刊名:中国机械工程 上传者:王超

【摘要】研究了一种基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数分量,然后将各分量的多尺度熵作为故障特征向量输入概率神经网络进行模式识别,实现了对损伤位置和损伤程度的诊断。将该方法与基于LMD时域统计量和神经网络的滚动轴承故障诊断方法进行了对比。实验结果表明,基于LMD多尺度熵和概率神经网络的方法能对滚动轴承故障进行有效的识别与诊断。

全文阅读

基 于 LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法——孟 宗 胡 猛 谷伟 明等 基于 LMD多尺度熵和概率神经 网络的 滚动轴承故障诊断方法 孟宗 胡 猛皿 不 4血 谷伟 明 赵 东方 1.燕 山大学河北省测试计量技 术及 仪器重点 实验 室,秦皇 岛,066004 2.国家冷轧板 带装备及 工艺工程技 术研 究 中心 ,秦皇 岛,066004 摘要:研究 了一种基于 LMD多尺度熵和概 率神经 网络 的滚动轴承故障诊 断方法。该方法将故障 信 号 自适应地 分 解为若 干乘 积 函数 分 量 ,然后 将各 分 量 的 多尺度 熵 作 为故‘障特 征 向量 输入 概 率神 经 网 络进 行模 式识 别 ,实现 了对损 伤位 置 和损 伤 程 度 的诊 断 。将 该 方 法 与基 于 LMD 时 域 统计 量 和神 经 网 络 的 滚动轴承 故 障诊 断方 法进 行 了对 比 。 实验 结果表 明 ,基 于 LMD 多尺 度 熵和 概 率神 经 网络 的 方 法 能 对滚动 轴承 故 障进 行 有效 的识 别与诊 断 。 关键词 :局部均值分解;故障特征提取 ;多尺度熵 ;概率神经网络;故障诊断 中图分类 号 :TN911.7;TP206.3 DoI:10.3969/j.issn.1004—132X.2016.04.002 Rolling Bearing Fault Diagnosis M ethod Based on LM D M ulti—scale Entropy and Probabilistic Neural Network M eng Zong ’ H u M eng Gu W eim ing Zhao Dongfang 1.Key Laboratory of M easurement Technology and Instrum entation of Hebei Proyinee, Yanshan University,Qinhuangdao,Hebei,066004 2.National Engineering Research Center for Equipm ent and Technology of Cold Roiling Strip,Qinhuangdao,Hebei,066004 Abstract:A rolling bearing fault diagnosis method W3S studied based on LM D m ulti—scale entropy and probabilistic neural network.In this method,the fault signal was decom posed into several prod— uct functions adaptively, and then the m ulti—scale entropies of each component were feed into the probabilistic neura1 network as fault feature vectors for pattern recognition to realize the diagnosis of damage position and dam age degree. Com paring with the m ethod based on LM D tim e—dom ain statis— tics and probabilist

参考文献

引证文献

问答

我要提问