一種基于EEMD和改進(jìn)GSA-SOM神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202011315904.5 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN112345252A | 公開(kāi)（公告）日 | 2021-02-09 |
| 申請(qǐng)公布號(hào) | CN112345252A | 申請(qǐng)公布日 | 2021-02-09 |
| 分類號(hào) | G01M13/045(2019.01)I;G06N3/04(2006.01)I | 分類 | 測(cè)量；測(cè)試; |
| 發(fā)明人 | 胡海平;張永會(huì);鮑峰;李楊;楊朝武;于芳;邱宇;姬聯(lián)濤;李官軍;李浩源 | 申請(qǐng)（專利權(quán)）人 | 松花江水力發(fā)電有限公司吉林白山發(fā)電廠 |
| 代理機(jī)構(gòu) | 通化旺維專利商標(biāo)事務(wù)所有限公司 | 代理人 | 王偉 |
| 地址 | 100033北京市西城區(qū)西長(zhǎng)安街86號(hào) | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開(kāi)了一種基于EEMD和改進(jìn)GSA?SOM神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法，該方法首先通過(guò)EEMD分解將非平穩(wěn)的原始振動(dòng)信號(hào)分解成若干個(gè)平穩(wěn)的本征模函數(shù)（IMF）；隨后進(jìn)行能量特征提取，得到反映振動(dòng)信號(hào)的特征向量；進(jìn)一步，采用改進(jìn)GSA算法對(duì)SOM神經(jīng)網(wǎng)絡(luò)權(quán)重進(jìn)行優(yōu)化，最后將得到的特征向量輸入到改進(jìn)GSA?SOM神經(jīng)網(wǎng)絡(luò)中進(jìn)行故障自動(dòng)識(shí)別。與現(xiàn)有技術(shù)相比，該方法結(jié)合了集合經(jīng)驗(yàn)?zāi)B(tài)分解和人工智能算法的優(yōu)點(diǎn)，可以準(zhǔn)確地提取滾動(dòng)軸承故障特征，具有較高的識(shí)別精度，提高了滾動(dòng)軸承故障類型識(shí)別的準(zhǔn)確率，能有效地應(yīng)用于滾動(dòng)軸承的故障診斷中。?? |
