煤矿机械
煤礦機械
매광궤계
Coal Mine Machinery
2015年
10期
315-317
,共3页
畅兵楼%孙建勇%王奇伟%陈曦晖%程刚
暢兵樓%孫建勇%王奇偉%陳晞暉%程剛
창병루%손건용%왕기위%진희휘%정강
滚动轴承%故障诊断%LMD%模糊熵%概率神经网络
滾動軸承%故障診斷%LMD%模糊熵%概率神經網絡
곤동축승%고장진단%LMD%모호적%개솔신경망락
滚动轴承是机械传动系统重要的组成部分,其故障发生率极高,直接影响机械设备的正常、安全运行.基于此提出基于局部均值分解(LMD)模糊熵和概率神经网络(PNN)的滚动轴承故障诊断方法,原始振动信号应用LMD自适应分解为7个PF分量;设定模糊函数,提取每个PF分量的模糊熵,实现各PF分量的特征量化;并利用概率神经网络实现故障类型识别.实验结果证明利用该方法滚动轴承故障诊断识别率可达86.25％,是一种有效的滚动轴承故障诊断方法.
滾動軸承是機械傳動繫統重要的組成部分,其故障髮生率極高,直接影響機械設備的正常、安全運行.基于此提齣基于跼部均值分解(LMD)模糊熵和概率神經網絡(PNN)的滾動軸承故障診斷方法,原始振動信號應用LMD自適應分解為7箇PF分量;設定模糊函數,提取每箇PF分量的模糊熵,實現各PF分量的特徵量化;併利用概率神經網絡實現故障類型識彆.實驗結果證明利用該方法滾動軸承故障診斷識彆率可達86.25％,是一種有效的滾動軸承故障診斷方法.
곤동축승시궤계전동계통중요적조성부분,기고장발생솔겁고,직접영향궤계설비적정상、안전운행.기우차제출기우국부균치분해(LMD)모호적화개솔신경망락(PNN)적곤동축승고장진단방법,원시진동신호응용LMD자괄응분해위7개PF분량;설정모호함수,제취매개PF분량적모호적,실현각PF분량적특정양화;병이용개솔신경망락실현고장류형식별.실험결과증명이용해방법곤동축승고장진단식별솔가체86.25％,시일충유효적곤동축승고장진단방법.
