典型文献
基于径向基神经网络的新型齿轮故障诊断方法
文献摘要：
非平稳工况下的齿轮故障检测是一项非常困难的工作,由于齿轮振动信号的复杂性,导致故障特征提取和故障诊断困难.针对这些问题,基于径向基(radial basis function,RBF)神经网络,提出一种在变速条件下齿轮的故障诊断方法CIHDRFD.首先利用自适应白噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),将原始振动信号分解为多个固有的模态函数(intrinsic mode function,IMF),并通过计算其信息熵(information entropy,IE)筛选出IE最小的4个IMF作为特征IMF;然后利用希尔伯特变换(hilbert transform,HT)处理特征IMF并求出Hilbert包络谱,利用Hilbert包络谱构建故障特征向量;最后利用改进的双RBF神经网络进行故障检测.通过搭建齿轮故障检测平台验证CIHDRFD方法的有效性,实验结果表明,CIHDRFD方法适用于齿轮故障诊断,在速度波动为3％的情况下,诊断准确率和诊断时间分别为98.21％和74.53 s.
文献关键词：
齿轮故障诊断;自适应白噪声;完整集成经验模态分析;信息熵;改进的双RBF神经网络
中图分类号：
作者姓名：
薛萍;郝鹏;王宏民
作者机构：
哈尔滨理工大学自动化学院,哈尔滨150080
文献出处：
引用格式：
[1]薛萍;郝鹏;王宏民-.基于径向基神经网络的新型齿轮故障诊断方法)[J].控制与决策,2022(02):409-416
A类：
CIHDRFD,完整集成经验模态分析
B类：
径向基神经网络,齿轮故障诊断,故障诊断方法,非平稳工况,振动信号,故障特征提取,radial,basis,function,RBF,变速,自适应白噪声,集成经验模态分解,complete,ensemble,empirical,mode,decomposition,adaptive,noise,CEEMDAN,信号分解,模态函数,intrinsic,IMF,信息熵,information,entropy,IE,希尔伯特变换,hilbert,transform,HT,Hilbert,包络谱,特征向量,故障检测平台,速度波动,诊断准确率,诊断时间
AB值：
0.31953
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。
