《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：陈晓
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

基于综合信息融合神经网络的轴承故障诊断

作者：裴红蕾. 日期：2022-06-16/span> 浏览：1291 查看PDF文档

基于综合信息融合神经网络的轴承故障诊断*

裴红蕾

(无锡工艺职业技术学院机电与信息工程学院,江苏宜兴 214200)

摘要:因轴承的工作环境恶劣,导致其故障多发,在对轴承故障进行快速诊断和定位时存在困难,为此,提出了一种基于综合信息融合神经网络的轴承故障智能诊断方法。首先,介绍了前置神经网络的工作原理,推导了前置神经网络的链接权值系数训练方法,制定了前置神经网络的算法流程;并基于DS证据论和Dempster组合规则,设计了后置神经网络的故障诊断方法;然后,提出了基于综合信息融合神经网络的轴承故障诊断方法,完成了两种神经网络的优势融合;最后,为了对基于综合信息融合神经网络的轴承故障诊断方法的有效性进行验证,采用了美国凯斯西储大学的轴承实验数据进行了试验。研究结果表明:无后置融合模块的故障识别率均值为90.45%,无前置融合模块的故障识别率均值为89.93%,综合信息融合神经网络的故障识别率均值为99.33%;该结果证明,基于综合信息融合神经网络的诊断方法具有较高的故障识别准确率和较强的鲁棒性,将综合信息融合神经网络应用于轴承故障诊断是有效的。

关键词:轴承故障;智能诊断;前置神经网络算法;综合信息融合;故障识别率;鲁棒性

本文引用格式:

裴红蕾.基于综合信息融合神经网络的轴承故障诊断［J］.机电工程,2022,39(4):495-500.

PEI Hong-lei. Bearing fault diagnosis based on integrated information fusion neural network［J］.Journal of Mechanical & Electrical Engineering, 2022,39(4):495-500.