机床与液压
機床與液壓
궤상여액압
MACHINE TOOL & HYDRAULICS
2015年
7期
181-184
,共4页
齿轮箱%LMD%RBF神经网络%故障诊断
齒輪箱%LMD%RBF神經網絡%故障診斷
치륜상%LMD%RBF신경망락%고장진단
Gearbox%LMD%RBF%Fault diagnosis
局域均值分解(Local Mean Decomposition,LMD)是近年来出现的一种新的时频分析方法,在机械设备故障诊断领域中的应用日益广泛.针对齿轮箱振动故障信号的非平稳性和非线性,提出了一种基于局域均值分解和径向基函数神经网络(Radial BasisFunction Neural Network,RBF)相结合的齿轮箱故障诊断方法.该方法利用小波包对原始信号进行消噪;利用LMD对处理后信号进行分解,得到一系列PF分量(Product Function,PF);选取包含主要故障信息的PF分量并从中提取偏度系数等特征参数对RBF神经网络进行训练,并对齿轮箱故障进行识别和分类.通过实例验证了该方法的有效性.
跼域均值分解(Local Mean Decomposition,LMD)是近年來齣現的一種新的時頻分析方法,在機械設備故障診斷領域中的應用日益廣汎.針對齒輪箱振動故障信號的非平穩性和非線性,提齣瞭一種基于跼域均值分解和徑嚮基函數神經網絡(Radial BasisFunction Neural Network,RBF)相結閤的齒輪箱故障診斷方法.該方法利用小波包對原始信號進行消譟;利用LMD對處理後信號進行分解,得到一繫列PF分量(Product Function,PF);選取包含主要故障信息的PF分量併從中提取偏度繫數等特徵參數對RBF神經網絡進行訓練,併對齒輪箱故障進行識彆和分類.通過實例驗證瞭該方法的有效性.
국역균치분해(Local Mean Decomposition,LMD)시근년래출현적일충신적시빈분석방법,재궤계설비고장진단영역중적응용일익엄범.침대치륜상진동고장신호적비평은성화비선성,제출료일충기우국역균치분해화경향기함수신경망락(Radial BasisFunction Neural Network,RBF)상결합적치륜상고장진단방법.해방법이용소파포대원시신호진행소조;이용LMD대처리후신호진행분해,득도일계렬PF분량(Product Function,PF);선취포함주요고장신식적PF분량병종중제취편도계수등특정삼수대RBF신경망락진행훈련,병대치륜상고장진행식별화분류.통과실례험증료해방법적유효성.
