高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于小波概率神经网络的旋转机械振动故障诊断技术

吴文杰 黄大贵

吴文杰, 黄大贵. 基于小波概率神经网络的旋转机械振动故障诊断技术[J]. 核动力工程, 2012, 33(6): 105-109.
引用本文: 吴文杰, 黄大贵. 基于小波概率神经网络的旋转机械振动故障诊断技术[J]. 核动力工程, 2012, 33(6): 105-109.
WU Wenjie, HUANG Dagui. Research on Fault Diagnosis Method for Rotating Machinery Vibration Based on Wavelet Transformation and Probabilistic Neural Network[J]. Nuclear Power Engineering, 2012, 33(6): 105-109.
Citation: WU Wenjie, HUANG Dagui. Research on Fault Diagnosis Method for Rotating Machinery Vibration Based on Wavelet Transformation and Probabilistic Neural Network[J]. Nuclear Power Engineering, 2012, 33(6): 105-109.

基于小波概率神经网络的旋转机械振动故障诊断技术

详细信息
    作者简介:

    吴文杰(1975—),男,博士研究生。2011年毕业于电子科技大学机械电子工程,获博士学位。现主要从事航空发动机故障诊断、智能学习、数字化新媒体、云计算等研究。

    黄大贵(1952—),男,教授,博士研究生导师。现主要从事智能机电系统及先进制造、计算机数控系统、智能传感器及光机电集成系统等研究。

  • 中图分类号: V263.6

Research on Fault Diagnosis Method for Rotating Machinery Vibration Based on Wavelet Transformation and Probabilistic Neural Network

  • 摘要: 利用小波分解提取故障特征,应用概率神经网络(PNN)诊断故障,提出一种基于小波PNN的信息融合故障诊断技术,并用MATLAB进行仿真验证。仿真验证表明:应用小波分解提取故障能量向量特征,具有很强的泛化能力和抗噪声干扰能力,适应转速频率结构的动态变化范围宽,所需样本容量小;构建的PNN具有适应性好、抗噪声干扰能力强、分类诊断准确率高的特点。将两者融合构成小波PNN应用,可获得更佳的分类诊断效果,大大提高其故障诊断的泛化性、可靠性和准确率。

     

  • 加载中
计量
  • 文章访问数:  22
  • HTML全文浏览量:  6
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2011-06-16
  • 修回日期:  2011-11-15
  • 网络出版日期:  2025-03-08

目录

    /

    返回文章
    返回