资源描述：
《基于特征评估和神经网络的机械故障诊断模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第40卷第5期西安交通大学学报Vol.40№52006年5月JOURNALOFXI′ANJIAOTONGUNIVERSITYMay2006基于特征评估和神经网络的机械故障诊断模型1,21,21,21,2雷亚国,何正嘉,訾艳阳,胡桥(1.西安交通大学机械工程学院,710049,西安;2.西安交通大学机械制造系统工程国家重点实验室,710049,西安)摘要:为了克服在无先验知识的情况下,人为选择时域无量纲指标作为故障敏感特征的盲目性,提出了一种基于特征评估和径向基函数(RBF)神经网络的机械故障诊断模型.该模型分
2、别采用小波包和经验模式分解方法对原始振动信号进行分解,分别提取原始信号和各分解信号的时域无量纲指标组成联合特征,然后对联合特征进行评估,计算评估因子,并根据评估因子的大小选取敏感特征作为RBF神经网络的输入,实现对机器不同状态的自动识别.实验结果和工程应用表明,这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息,从大量的故障特征中筛选出敏感特征,因而减小了网络规模,提高了分类准确率,具有很强的鲁棒性.关键词:特征评估;小波包;经验模式分解;径向基函数神经网络;
3、故障诊断模型中图分类号:TH17;TP18文献标识码:A文章编号:0253?987X(2006)05?0558?05MechanicalFaultDiagnosisModelBasedonFeatureEvaluationandNeuralNetworks1,21,21,21,2LeiYaguo,HeZhengjia,ZiYanyang,HuQiao(1.SchoolofMechanicalEngineering,Xi′anJiaotongUniversity,Xi′an710049,China;2.Stat
4、eKeyLaboratoryforManufacturingSystem,Xi′anJiaotongUniversity,Xi′an710049,China)Abstract:Toovercomeblindnessofsubjectiveselectingdimensionlessindicatorsassensitivefeatureswithoutanyexperience,anovelmechanicalfaultdiagnosismodelbasedonfeatureevaluationandradi
5、albasisfunction(RBF)networksisproposed,wheretheoriginalsignalsaredecomposedviawaveletpacketandempiricalmodedecomposition(EMD)respectively,andthedimensionlessindicatorsintimedomainareextractedfromtheoriginalsignalsandeachdecomposedsignaltoconstructthecombine
6、dfeatures.Furthermore,afeatureevaluationmethodisappliedtocalculateevaluationfactorsofthecombinedfea-tures,andthecorrespondingsensitivefeaturesareselectedaccordingtotheevaluationfactorsandinputintotheRBFnetworkstoautomaticallyidentifydifferentconditionsofmec
7、hanicalequipment.Theexper-imentsofrollingbearingsfaultdiagnosisarecarriedouttotesttheperformanceofthismodel.There-sultsdemonstratethatthemodelintegratingwaveletpacket,EMD,featureevaluationmethodandRBFnetworksenablestopreciselyextractfaultinformation,andsele
8、ctsensitiveonesfromalargenumberoffeaturestocorrectlyandrapidlydiagnosethemechanicalfaults.Thismodelisalsoemployedtoclassifyheavyoilcatalyticcrackingsetunder3conditions.Theresultsshowitcanreducethenetwo
