基于KPCA-BP网络模型的滚动轴承故障诊断方法研究

作者

徐卫晓宋平谭继文
单位

青岛理工大学
摘要

针对滚动轴承信号的非线性、非平稳性特点及诊断中冗余与噪音的干扰,引入了核主元分析法和BP神经网络相结合的方法对轴承的故障信号进行诊断,以提高轴承故障诊断的性能。通过5个传感器采集轴承不同状态的故障信号,利用小波包提取能量特征值,同时提取轴承的时-频域特征量组成原始特征空间,利用核主元分析方法对原始特征空间降维,提取主元特征量输入到BP神经网络中进行故障模式识别。试验结果表明,KPCA-BP网络模型的性能优于未筛选-BP网络,具有更好的诊断效果和抗干扰能力。
关键词

核主元分析BP神经网络滚动轴承故障诊断
基金项目(Foundation)

国家自然科学基金项目(51075220)；青岛市科技计划基础研究项目(12-1-4-4-(3)-JCH)；
相关文章

[1]基于多传感器信息融合技术在滚动轴承故障诊断中的应用
[2]滚动轴承的故障特征提取技术与方法研究
[3]基于MCSA的数控机床伺服电动机故障诊断研究
[4]基于小波包分解和EMD的滚动轴承故障诊断方法研究
[5]基于小波Hilbert包络分析与M-距离函数判别的滚动轴承故障诊断
[6]KPCA-GRNN网络在数控机床复合故障诊断中的应用
[7]基于TESPAR和LS-SVM算法的滚动轴承退化趋势预测
[8]基于卷积神经网络的数控机床滚珠丝杠副故障诊断研究

煤问提