基于多特征融合与GA-BP模型的滚动轴承故障识别

作     者：黄文超 王林军 刘晋玮 陈保家 HUANG Wenchao;WANG Linjun;LIU Jinwei;CHEN Baojia

作者机构：三峡大学水电机械设备设计与维护湖北省重点实验室湖北宜昌443002 三峡大学机械与动力学院湖北宜昌443002 

基　　金：国家自然科学基金面上项目(51975324) 水电机械设备设计与维护湖北省重点实验室开放基金项目(2019KJX12) 

出 版 物：《机床与液压》 (Machine Tool & Hydraulics)

年 卷 期：2021年第49卷第6期

页      码：170-173,89页

摘      要：针对滚动轴承故障识别问题,基于遗传算法(GA)和BP神经网络等技术,提出一种GA-BP神经网络模型。该模型以训练数据的输出误差作为目标函数,利用遗传算法对BP神经网络的初始权值和阈值进行优化选择。将经验模态分解能量比和时域特征相结合的特征向量作为BP神经网络的输入,对滚动轴承不同工况下的故障进行识别。滚动轴承故障诊断的实例表明:该模型较传统BP神经网络模型具有更好的收敛精度、收敛速度和识别率。

主 题 词：遗传算法 BP神经网络 滚动轴承 故障识别 

学科分类：080202[080202] 08[工学] 0802[工学-机械学] 

D　O　I：10.3969/j.issn.1001-3881.2021.06.034

馆 藏 号：203102678...