中国学术期刊网络出版总库
  关闭
基于径向基函数神经网络的滚动轴承故障模式的识别  
   推荐 CAJ下载 PDF下载
【英文篇名】 Fault Pattern Recognition of Rolling Bearing Based on Radial Basis Function Neural Networks
【下载频次】 ★★★★★
【作者】 陆爽; 张子达; 李萌;
【英文作者】 Lu Shuang; Zhang Zida; Li Meng (College of Machinery and Engineering; Jilin University; Changchun 130025; China );
【作者单位】 吉林大学机械科学与工程学院; 吉林大学机械科学与工程学院 长春;
【文献出处】 中国工程科学 , Engineering Science, 编辑部邮箱 2004年 02期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  CJFD收录刊
【中文关键词】 滚动轴承; 振动信号; AR模型; RBF神经网络; 模式识别;
【英文关键词】 rolling bearing; vibration signal; AR model; RBF neural networks; pattern recognition;
【摘要】 径向基函数 (RBF)神经网络是一种 3层前馈性神经网络 ,它具有较强的函数逼近能力和分类能力。鉴于径向基函数神经网络的优点 ,在对滚动轴承振动信号特征分析的基础上 ,提出了采用时序方法对其建立AR模型 ,利用AR模型参数建立径向基函数神经网络 ,并用该网络对滚动轴承的故障模式进行了识别。理论和试验证明了该方法的有效性 ,且具有较高的识别精度
【英文摘要】 Radial basis function neural network is a type of three-layer feedforward network. It has many good properties, such as powerful ability for function approximation, classification and learning rapidly. In this paper, in the light of the merit of radial basis function neural network and on the basis of the feature analysis of vibration signal of rolling bearing, AR model is presented by using time series method. Radial basis function neural networks is established based on AR model parameters. In the light o...
【基金】 吉林省教育委员会基金资助项目 (吉教合字 99第 10号 )
【更新日期】 2005-08-19
【分类号】 TH133.3
【正文快照】 1 引言根据滚动轴承在线振动信号监测其运行状态和实时进行故障诊断 ,是目前既普遍又行之有效的方法[1,2 ] 。轴承振动信号携带了丰富的运行状态信息 ,当振动信号从平稳向非平稳过渡时 ,其突变往往反映了轴承故障引起的撞击、振荡、结构变化、间隙变化和断裂等。图 1是对 31 0

xxx
【读者推荐文章】中国期刊全文数据库 中国博士学位论文全文数据库 中国优秀硕士学位论文全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  机械、仪表工业
   机械零件及传动装置
    转动机件
     轴承
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号