典型文献
基于LMD排列熵和BP神经网络的行星齿轮箱故障诊断方法
文献摘要：
针对行星齿轮箱故障诊断过程中的故障特征向量区分度差、诊断成功率不够高等问题,提出了一种基于局部均值分解(Local mean decomposition,LMD)排列熵和BP神经网络结合的方法.对原始信号进行LMD,获得包含主要信息的PF分量,计算排列熵值,构造特征向量,利用提取的特征向量训练BP神经网络,完成故障模式识别.以EMD排列熵方法和无量纲分析方法作为对比组,实验验证说明,提出方法提取到的不同工况的特征向量区分度更强,故障诊断效果更好;且当训练组数发生变化时,提出方法的综合表现更优秀.
文献关键词：
行星齿轮箱;故障诊断;局部均值分解;排列熵;BP神经网络
中图分类号：
作者姓名：
高素杰;巫世晶;周建华;郑攀;陈奔;许家才
作者机构：
武汉大学 动力与机械学院,湖北 武汉 430072;国能云南新能源有限公司,云南 昆明 650214
文献出处：
引用格式：
[1]高素杰;巫世晶;周建华;郑攀;陈奔;许家才-.基于LMD排列熵和BP神经网络的行星齿轮箱故障诊断方法)[J].机械传动,2022(10):10-16,23
A类：
B类：
LMD,排列熵,行星齿轮箱,齿轮箱故障诊断,故障诊断方法,诊断过程,故障特征,特征向量,区分度,断成,局部均值分解,Local,mean,decomposition,PF,构造特征,故障模式识别,EMD,熵方法,无量纲,量纲分析,取到,不同工况,诊断效果,训练组,数发,综合表现
AB值：
0.309495
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
