轴承
軸承
축승
BEARING
2008年
8期
32-35
,共4页
滚动轴承%故障诊断%神经网络%经验模态分解
滾動軸承%故障診斷%神經網絡%經驗模態分解
곤동축승%고장진단%신경망락%경험모태분해
通过滚动轴承模拟故障试验台,获取了滚动轴承外圈、内圈和滚动体不同剥落程度时的振动信号,并对故障程度的识别与诊断进行了探索.采用经验模态分解方法对轴承信号进行分解,得到其固有模态分量,然后将前8阶分量的有效值作为特征向量输入BP神经网络,进行故障程度识别与诊断,滚动轴承3种类型不同程度的故障被准确地区分出来.
通過滾動軸承模擬故障試驗檯,穫取瞭滾動軸承外圈、內圈和滾動體不同剝落程度時的振動信號,併對故障程度的識彆與診斷進行瞭探索.採用經驗模態分解方法對軸承信號進行分解,得到其固有模態分量,然後將前8階分量的有效值作為特徵嚮量輸入BP神經網絡,進行故障程度識彆與診斷,滾動軸承3種類型不同程度的故障被準確地區分齣來.
통과곤동축승모의고장시험태,획취료곤동축승외권、내권화곤동체불동박락정도시적진동신호,병대고장정도적식별여진단진행료탐색.채용경험모태분해방법대축승신호진행분해,득도기고유모태분량,연후장전8계분량적유효치작위특정향량수입BP신경망락,진행고장정도식별여진단,곤동축승3충류형불동정도적고장피준학지구분출래.
