基于小波包-SVD和IPSO-BP的滚动轴承故障诊断

本文刊于: 《煤矿机械》 2021年第0期

关键词:
小波包 SVD IPSO BP神经网络 滚动轴承故障诊断

Keywords:
wavelet packet,SVD,IPSO,BP neural network,fault diagnosis of rolling bearing
摘要
     针对滚动轴承振动信号的非平稳性和非线性特点以及BP神经网络结构参数差等因素导致滚动轴承故障识别准确率低的问题,提出一种基于小波包结合奇异值分解(SVD)和改进粒子群算法(IPSO)优化BP神经网络的滚动轴承故障诊断方法。首先通过小波包对振动信号进行分解与重构,得到不同频段的信号之后利用SVD提出有效的故障特征向量,输入到BP神经网络中进行测试。考虑到BP神经网络结构参数差等因素,使用IPSO对BP神经网络进行优化,最后测试得出结果。对比实验模拟和现场数据验证表明,基于小波包-SVD和IPSO-BP的滚动轴承故障诊断准确度大大提高。

上一篇:基于数学模型的斜齿轮成形特性研究
下一篇:基于激光点云的采动区公路裂缝图像处理

分享到: 分享基于小波包-SVD和IPSO-BP的滚动轴承故障诊断到腾讯微博           收藏
评论排行
公告 
相关期刊文献推荐
相关会议文献推荐
相关硕士文献推荐
相关博士文献推荐