-
题名滚动轴承时域新指标的WNN状态退化预测研究
被引量：5
- 1
-
-
作者
李文峰
许爱强
孙纪杰
范福勤
-
机构
海军航空工程学院科研部
[
-
出处
《机械传动》
CSCD
北大核心
2016年第6期36-41,共6页
-
文摘
针对传统时域指标在滚动轴承信号特征提取时状态预测精度不高的问题,首先,选取适合在线简单快速判别的时域指标,并根据轴承疲劳损伤大小和局部损伤数量增加,分析时域指标特征对状态变化的敏感性;其次,基于传统时域指标,寻求两个更为敏感的时域组合指标TALAF和THIKAT;最后,利用小波神经训练和测试两个新指标的数据样本,并与传统时域指标峭度及BP神经网络预测方法进行比较,仿真结果验证了TALAF和THIKAT指标,有效提高了轴承故障预测的准确性。
-
关键词
滚动轴承
时域指标
小波神经网络
故障预测
-
Keywords
Rolling bearing
Time domain index
Wavelet neural network
Fault prediction
-
分类号
TH133.33
[机械工程—机械制造及自动化]
-
