机械设计与研究
機械設計與研究
궤계설계여연구
MACHINE DESIGN AND RESEARCH
2013年
6期
33-35
,共3页
神经网络%小波变换%滚动轴承%故障诊断
神經網絡%小波變換%滾動軸承%故障診斷
신경망락%소파변환%곤동축승%고장진단
neural network%Wavelet Transform%rolling bearing%fault diagnosis
神经网络是一种具有非线性映射能力强以及自学习、自组织、自适应等优点的智能方法,非常适合于滚动轴承的故障诊断.针对滚动轴承是机械设备重要的易损零件之一,大约有30％的故障是由轴承损坏引起的,提出了基于神经网络的滚动轴承故障诊断方法.以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别、诊断.实验表明,该方法对于滚动轴承的故障诊断具有良好的效果和应用价值,并可方便地推广到其他类似的诊断领域.
神經網絡是一種具有非線性映射能力彊以及自學習、自組織、自適應等優點的智能方法,非常適閤于滾動軸承的故障診斷.針對滾動軸承是機械設備重要的易損零件之一,大約有30％的故障是由軸承損壞引起的,提齣瞭基于神經網絡的滾動軸承故障診斷方法.以滾動軸承小波分解後的能量信息作為特徵,通過神經網絡作為分類器對滾動軸承故障進行識彆、診斷.實驗錶明,該方法對于滾動軸承的故障診斷具有良好的效果和應用價值,併可方便地推廣到其他類似的診斷領域.
신경망락시일충구유비선성영사능력강이급자학습、자조직、자괄응등우점적지능방법,비상괄합우곤동축승적고장진단.침대곤동축승시궤계설비중요적역손령건지일,대약유30％적고장시유축승손배인기적,제출료기우신경망락적곤동축승고장진단방법.이곤동축승소파분해후적능량신식작위특정,통과신경망락작위분류기대곤동축승고장진행식별、진단.실험표명,해방법대우곤동축승적고장진단구유량호적효과화응용개치,병가방편지추엄도기타유사적진단영역.
