基于小波包分解和PSO-BPNN的滚动轴承故障诊断_中国煤炭行业知识服务平台

基于小波包分解和PSO-BPNN的滚动轴承故障诊断

作者

鞠晨张超樊红卫张旭辉杨一晴严杨
单位

神华神东煤炭集团有限责任公司技术研究院西安科技大学机械工程学院西安科技大学陕西省矿山机电装备智能监测重点实验室
摘要

针对现有煤矿旋转机械滚动轴承故障诊断方法存在信号有效特征提取不完全、故障诊断精度不高及效率低等问题，提出了一种基于小波包分解和粒子群优化BP神经网络的滚动轴承故障诊断方法。该方法包括信号特征提取和故障类型识别两部分：在信号特征提取部分，对采集的滚动轴承振动信号进行小波包分解，得到各子频带能量及信号总能量，经归一化处理后获得表征滚动轴承状态的特征向量；在故障类型识别部分，通过粒子群优化算法优化BP神经网络的初始权值和阈值，以加速网络收敛速度，避免陷入局部极小值。实验结果表明，该方法提高了滚动轴承故障诊断效率和准确率。
关键词

煤矿旋转机械滚动轴承故障诊断小波包分解粒子群优化 BP神经网络
相关文章

[1]矿用带式输送机智能监测系统研究
[2]煤矿旋转机械在线故障诊断及预警系统设计
相关专题

这篇文章属于《工矿自动化》2020年度优秀论文（30篇）