微计算机信息
微計算機信息
미계산궤신식
CONTROL & AUTOMATION
2009年
31期
123-124,74
,共3页
周宴宇%杨胜跃%何正明%龙慧
週宴宇%楊勝躍%何正明%龍慧
주연우%양성약%하정명%룡혜
轴承%故障诊断%人工神经网络%美尔频率倒谱系数%线形预测倒谱系数%音频信号
軸承%故障診斷%人工神經網絡%美爾頻率倒譜繫數%線形預測倒譜繫數%音頻信號
축승%고장진단%인공신경망락%미이빈솔도보계수%선형예측도보계수%음빈신호
bearing%fault diagnosis%ANN%MFCC%LPCC%audio signal
本文结合语音识别中运用较广的美尔频率倒谱系数(MFCC)和线形预测倒谱系数(LPCC)作为滚动轴承音频信号的特征参数,并使用具有强学习能力的神经网络方法进行故障诊断,最后依靠Dempster-Shafrg(D-S)证据理论进行分析得出可信度高的判定结果.实验结果表明,该方法在滚动轴承的音频信号故障诊断中有效可行.在积累足够量的样本数后,可望建立相应的专家库,实现轴承故障的快速智能诊断.
本文結閤語音識彆中運用較廣的美爾頻率倒譜繫數(MFCC)和線形預測倒譜繫數(LPCC)作為滾動軸承音頻信號的特徵參數,併使用具有彊學習能力的神經網絡方法進行故障診斷,最後依靠Dempster-Shafrg(D-S)證據理論進行分析得齣可信度高的判定結果.實驗結果錶明,該方法在滾動軸承的音頻信號故障診斷中有效可行.在積纍足夠量的樣本數後,可望建立相應的專傢庫,實現軸承故障的快速智能診斷.
본문결합어음식별중운용교엄적미이빈솔도보계수(MFCC)화선형예측도보계수(LPCC)작위곤동축승음빈신호적특정삼수,병사용구유강학습능력적신경망락방법진행고장진단,최후의고Dempster-Shafrg(D-S)증거이론진행분석득출가신도고적판정결과.실험결과표명,해방법재곤동축승적음빈신호고장진단중유효가행.재적루족구량적양본수후,가망건립상응적전가고,실현축승고장적쾌속지능진단.
