《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：赵群
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于EMD-AR谱和GA-BP的滚动轴承故障诊断研究

作者：任学平,霍灿鹏日期：2021-09-23/span> 浏览：959 查看PDF文档

基于EMD-AR谱和GA-BP的滚动轴承故障诊断研究*

任学平,霍灿鹏

(内蒙古科技大学机械工程学院,内蒙古包头 014010)

摘要:为了提高滚动轴承振动信号的故障特征提取能力，快速有效地诊断出轴承的故障类型,提出了一种基于EMDAR谱和GABP神经网络的滚动轴承故障诊断模型,以美国凯斯西储大学轴承数据中心的轴承振动加速度数据为例,对滚动轴承各种状态进行了理论分析和实验测试研究。首先，通过经验模态分解,将采集到的轴承振动信号进行了分解,获得了不同阶次的固有模态函数分量;然后，通过自回归模型对这些分量进行了故障特征提取,并由AR模型的参数和残差的方差组成了故障特征向量矩阵;最后，将故障特征作为遗传算法优化BP神经网络的输入数据和输出数据,分别对该故障诊断模型进行了训练和测试。研究结果表明:基于EMD-AR谱和GA-BP的滚动轴承故障诊断方法可以有效识别不同类型的故障特征;相较于传统的基于BP神经网络、GABP神经网络诊断方法，其诊断的效率更高,并且诊断准确率可达到95%。

关键词:滚动轴承;经验模态分解;自回归模型;GA-BP神经网络;故障诊断

中图分类号:TH133.33 文献标识码:A 文章编号:1001-4551(2021)07-0892-05

本文引用格式:

任学平,霍灿鹏.基于EMD-AR谱和GA-BP的滚动轴承故障诊断研究［J］.机电工程,2021,38(7):892-896.

REN Xue-ping, HUO Can-peng. Fault diagnosis of rolling bearing based on EMD-AR spectrum and GA-BP［J］.Journal of Mechanical & Electrical Engineering, 2021,38(7):892-896.
《机电工程》杂志:http://www.meem.com.cn