基于RBF神经网络与LMD的滚动轴承故障诊断方法
기우RBF신경망락여LMD적곤동축승고장진단방법
Fault Diagnosis of Rolling Bearing Based on RBF Neural Network and LMD
  • 万方数据
    失效分析与预防 실효분석여예방
    FAILURE ANALYSIS AND PREVENTION
    2013年 4期 212-215 ,共4页

    莫燕%孙伟%熊邦书

    막연%손위%웅방서

    滚动轴承%故障特征提取%径向基函数神经网络%智能诊断 滾動軸承%故障特徵提取%徑嚮基函數神經網絡%智能診斷
    곤동축승%고장특정제취%경향기함수신경망락%지능진단
    直升机传动系统故障诊断及预测对提高其运行时的可靠性和安全性具有重要意义.本研究首先采用小波包降噪与局部均值分解相结合的方法提取滚动轴承故障特征,其次用故障样本对设计好的RBF(Radial Basis Function Neural Network,简称RBF)诊断网络进行训练,最后利用训练好的RBF网络实现故障的智能诊断.实验结果验证了该方法能够有效地对滚动轴承故障进行分类识别.
    직승궤전동계통고장진단급예측대제고기운행시적가고성화안전성구유중요의의.본연구수선채용소파포강조여국부균치분해상결합적방법제취곤동축승고장특정,기차용고장양본대설계호적RBF(Radial Basis Function Neural Network,간칭RBF)진단망락진행훈련,최후이용훈련호적RBF망락실현고장적지능진단.실험결과험증료해방법능구유효지대곤동축승고장진행분류식별.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문