振动与冲击

作者：贺岩松,，黄毅 ，徐中明, ，张志飞

单位：1.重庆大学 机械传动国家重点实验室，重庆 400030；2.重庆大学 汽车工程学院，重庆400030

关键词：小波包分解；小波奇异熵；自组织特征映射；故障识别

提出一种用小波奇异熵(WSE)和自组织特征映射(SOFM)神经网络进行电机轴承故障识别的建模方法。首先通过对电机驱动端和风扇端采集的故障振动信号的小波奇异熵的计算和比较来识别故障轴承的端位；在此基础上以故障端信号的小波包分解底层各结点能量为特征向量输入建立自组织特征映射神经网络模型来识别故障轴承内部的具体点蚀破坏位置。小波奇异熵和SOFM神经网络的结合实现了故障轴承端位及其内部点蚀位置的联合识别。分别对含有内外圈和滚动体点蚀故障的轴承进行建模和识别试验，结果表明：该模型可以有效地识别电机故障轴承的端位及其内部点蚀破坏位置；与传统支持向量机和BP神经网络识别模型相比,该模型故障识别准确率更高，识别稳定性更好，更适宜于故障识别这样的多分类问题。<br>

来源：2017年第10期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2017年第10期