针对提取滚动轴承故障特征向量信号和识别故障类型的问题,为了提高诊断准确率,提出了基于小波包分析与BP算法权值修正的Elman神经网络的策略。基于MATLAB强大的数值分析功能,采集到的故障信号经过小波包分解与重构获取能反映不同故障状态的本征模态函数(Intrinsic modal function,IMF)分量。通过Elman神经网络辨识技术,将各频带能量作为Elman网络输入变量,测试样本为输出变量。对Elman神经网络进行大量数据训练,对滚动轴承的故障数据进行识别。实验表明,这种方法比BP神经网络识别更准确、更有效本文滚动轴承的故障振动信号是通过搭建实验台采集到的模拟故障信号。首先对振动信号进行处理,将采集到振动信号分为多个频带,然后提取出各个频带的能量特征[4]。但是直接根据各个频带能量大小想要准确地判断其故障类型比较困难且不能精确实现。为此,本文通过Elman神经网络辨识技术,把提取的各频带能量特征作为输入变量,以此来提高故障诊断的准确性。实验证明此方法不仅可以有效完成滚动轴承的故障识别,准确率也相当高。1小波包分解与重构基本理论1.1小波包分解[5,6]小波包分解过程如图1所示。图1小波分解树状图相较于小波分解本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanj
- [2019-08-06]传感器优化设计-液压电动滚圆机
- [2019-08-06]界面自组装-数控滚圆机滚弧机电
- [2019-08-06]澄清效果的影响-数控滚圆机滚弧
- [2019-08-05]刚度的解析公式-数控滚圆机滚弧
- [2019-08-05]制备及缓释性能-数控滚圆机滚弧
- [2019-08-05]组振动建模研究-数控滚圆机滚弧
- [2019-08-04]模型的风电功率预测-数控滚圆机
- [2019-08-04]最大准入容量计算-数控滚圆机滚
- [2019-08-03]传输电缆建模研究-数控滚圆机滚
- [2019-08-03]风电网损及运行-数控滚圆机滚弧