噪声与振动控制
譟聲與振動控製
조성여진동공제
NOISE AND VIBRATION CONTROL
2006年
6期
36-39
,共4页
振动与波%旋转机械%故障诊断%小波包%RBF神经网络
振動與波%鏇轉機械%故障診斷%小波包%RBF神經網絡
진동여파%선전궤계%고장진단%소파포%RBF신경망락
提出了一种新的旋转机械故障诊断方法.基于小波包变换的频率划分特性,对旋转机械的振动信号进行小波包分解, 建立旋转机械六种典型故障特征矢量, 准确地提取了故障的特征信息,结合RBF神经网络训练速度快的优点,将RBF神经网络应用于故障特征的选择,最后,利用所确定特征及RBF分类器进行故障诊断.实验结果表明,该方法可实现典型故障的可靠诊断.而且由于利用小波包变换代替了传统的FFT,故本方法对于诊断频率分布范围较广而复杂且信号具有较强时变性的复杂故障有着良好的应用前景.
提齣瞭一種新的鏇轉機械故障診斷方法.基于小波包變換的頻率劃分特性,對鏇轉機械的振動信號進行小波包分解, 建立鏇轉機械六種典型故障特徵矢量, 準確地提取瞭故障的特徵信息,結閤RBF神經網絡訓練速度快的優點,將RBF神經網絡應用于故障特徵的選擇,最後,利用所確定特徵及RBF分類器進行故障診斷.實驗結果錶明,該方法可實現典型故障的可靠診斷.而且由于利用小波包變換代替瞭傳統的FFT,故本方法對于診斷頻率分佈範圍較廣而複雜且信號具有較彊時變性的複雜故障有著良好的應用前景.
제출료일충신적선전궤계고장진단방법.기우소파포변환적빈솔화분특성,대선전궤계적진동신호진행소파포분해, 건립선전궤계륙충전형고장특정시량, 준학지제취료고장적특정신식,결합RBF신경망락훈련속도쾌적우점,장RBF신경망락응용우고장특정적선택,최후,이용소학정특정급RBF분류기진행고장진단.실험결과표명,해방법가실현전형고장적가고진단.이차유우이용소파포변환대체료전통적FFT,고본방법대우진단빈솔분포범위교엄이복잡차신호구유교강시변성적복잡고장유착량호적응용전경.