基于自组织神经网络的滚动轴承状态评估方法

ZHANG Quande,CHEN Guo,LIN Tong,OUYANG Wenli,TENG Chunyu,WANG Hongwei

China Mechanical Engineering（2017）

引用 5|浏览10

暂无评分

摘要

针对单一特征在进行故障诊断时准确率不高的问题,提出了一种基于自组织神经网络(SOM)的滚动轴承状态评估方法.该方法首先从原始振动信号中提取出多特征数据,运用主成分分析(PCA)方法对多特征数据进行预处理,采用SOM进行网络训练,构建多特征数据的融合模型,输出竞争神经元层的权值矢量;然后,计算每一个样本到竞争神经元层权值矢量的最小欧氏距离,输出最终的融合指标;最后,通过比较待检测样本与正常样本的最小欧氏距离的差异来判断轴承的状态.将该方法应用于滚动轴承状态评估,试验结果表明:融合指标比单一指标对早期故障更加敏感、更加稳健;同时,融合指标能够定量地描述轴承状态的劣化过程.

查看译文

关键词

principal component analysis(PCA),rolling bearing,minimum matching distance,self-organization mapping(SOM),feature fu-sion,fault identification

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要