基于小波包分解和PSO-BPNN的滚动轴承故障诊断

鞠晨, 张超, 樊红卫, 张旭辉, 杨一晴, 严杨

鞠晨，张超，樊红卫，等.基于小波包分解和PSO-BPNN的滚动轴承故障诊断［J］.工矿自动化，2020,46（8）：70-74.. DOI: 10.13272/j.issn.1671-251x.2019120022
引用本文: 鞠晨，张超，樊红卫，等.基于小波包分解和PSO-BPNN的滚动轴承故障诊断［J］.工矿自动化，2020,46（8）：70-74.. DOI: 10.13272/j.issn.1671-251x.2019120022
shu
JU Chen, ZHANG Chao, FAN Hongwei, ZHANG Xuhui, YANG Yiqing, YAN Yang. Rolling bearing fault diagnosis based on wavelet packet decomposition and PSO-BPN[J]. Journal of Mine Automation, 2020, 46(8): 70-74. DOI: 10.13272/j.issn.1671-251x.2019120022
Citation: JU Chen, ZHANG Chao, FAN Hongwei, ZHANG Xuhui, YANG Yiqing, YAN Yang. Rolling bearing fault diagnosis based on wavelet packet decomposition and PSO-BPN[J]. Journal of Mine Automation, 2020, 46(8): 70-74. DOI: 10.13272/j.issn.1671-251x.2019120022
shu

基于小波包分解和PSO-BPNN的滚动轴承故障诊断

  • 1.

    神华神东煤炭集团有限责任公司 技术研究院， 陕西 神木719315

  • 2.

    西安科技大学 机械工程学院， 陕西 西安710054

  • 3.

    西安科技大学 陕西省矿山机电装备智能监测重点实验室， 陕西 西安710054

基金项目: 

国家自然科学基金资助项目（51974228，51605380）

陕西省自然科学基础研究计划项目（2019JLZ-08）

陕西省重点研发计划项目（2019GY-093，2018ZDCXL-GY-06-04）

陕西省科技创新团队项目（2018TD-032）。

详细信息

  • 中图分类号: TD67

Rolling bearing fault diagnosis based on wavelet packet decomposition and PSO-BPN

  • 1.

    Institute of Technology, Shenhua Shendong Coal Group Co., Ltd., Shenmu 719315, China

  • 2.

    College of Mechanical Engineering, Xi''an University of Science and Technology, Xi''an 710054, China

  • 3.

    Shaanxi Key Laboratory of Mine Electromechanical Equipment Intelligent Monitoring, Xi''an University of Science and Technology, Xi''an 710054, China

HTML全文

    摘要
  • 摘要: 针对现有煤矿旋转机械滚动轴承故障诊断方法存在信号有效特征提取不完全、故障诊断精度不高及效率低等问题，提出了一种基于小波包分解和粒子群优化BP神经网络的滚动轴承故障诊断方法。该方法包括信号特征提取和故障类型识别两部分：在信号特征提取部分，对采集的滚动轴承振动信号进行小波包分解，得到各子频带能量及信号总能量，经归一化处理后获得表征滚动轴承状态的特征向量；在故障类型识别部分，通过粒子群优化算法优化BP神经网络的初始权值和阈值，以加速网络收敛速度，避免陷入局部极小值。实验结果表明，该方法提高了滚动轴承故障诊断效率和准确率。
    Abstract: In view of problems in existing rolling bearing fault diagnosis methods for coal mine rotating machinery, such as incomplete signal feature extraction, low fault diagnosis accuracy and low efficiency, a rolling bearing fault diagnosis method based on wavelet packet decomposition and particle swarm optimization BP neural network was proposed. The method includes signal feature extraction and fault type recognition. In the signal feature extraction part, the collected vibration signals of rolling bearing are decomposed by wavelet packet to obtain energy of each sub-frequency band and total energy of the signal. After normalization processing, feature vector representing state of rolling bearing is obtained. In the fault type recognition part, initial weight and threshold of BP neural network are optimized by particle swarm optimization to accelerate convergence speed of the network and avoid falling into local minimum. The experimental results show that the method improves fault diagnosis efficiency and accuracy of rolling bearing.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(37)

  • 期刊类型引用(21)

    1. 王攀攀，李兴宇，戴诗科，徐瑞东，王宇佩，陈凯玄，邓先明. 基于角域重采样和领域对抗网络的滚动轴承故障迁移诊断方法及实验分析. 实验技术与管理. 2024(05): 54-61 . 百度学术
    2. 魏礼鹏，鹿伟强，于铄航，陈雯雅，张珂. 基于SA-PSO的煤矿小功率电机故障诊断研究. 煤矿机械. 2024(07): 174-176 . 百度学术
    3. 李臻. 基于提升小波-SVD差分谱的煤机设备故障诊断. 煤矿机械. 2024(10): 169-173 . 百度学术
    4. 杨秀宇，邵斌，贾少毅，赖岳华. 强背景噪声下滚动轴承轻微磨损故障特征提取方法. 煤炭工程. 2023(05): 153-159 . 百度学术
    5. 刘金森，黄炜嘉，李效龙. 基于粒子群优化支持向量机的癫痫发作预测. 计算机与数字工程. 2023(03): 736-741+747 . 百度学术
    6. 潘晓博，葛鲲鹏，钱孟浩，赵衍，董飞. 基于改进联合分布适应的轴承智能故障诊断方法. 机电工程. 2023(09): 1354-1362 . 百度学术
    7. 王玉承，李亚，王海瑞，肖杨. 基于CEEMDAN-SVM和时域特征的滚动轴承故障诊断方法研究. 化工自动化及仪表. 2022(02): 175-181 . 百度学术
    8. 李金才，付文龙，王仁明，陈星，孟嘉鑫. 基于深度网络的滚动轴承智能故障诊断. 工矿自动化. 2022(04): 78-88 . 本站查看
    9. 曹洁，张玉林，王进花，余萍. 基于VMD和SVPSO-BP的滚动轴承故障诊断. 太阳能学报. 2022(09): 294-301 . 百度学术
    10. 黄向慧，田坤臣，荣相，魏礼鹏，杨方. 变频环境下异步电机故障诊断方法. 机床与液压. 2022(18): 165-171 . 百度学术
    11. 张旭辉，鞠佳杉，杨文娟，吕欣媛. 基于数字孪生的复杂矿用设备预测性维护系统. 工程设计学报. 2022(05): 643-650+664 . 百度学术
    12. 许志鹏，刘振坚，庄德玉，尹玉玺. 基于振动信号的采矿机截割负载分类. 工矿自动化. 2022(12): 137-143 . 本站查看
    13. 王红尧，吴佳奇，李长恒，唐文锦，张艳林. 矿用钢丝绳损伤检测信号处理方法研究. 工矿自动化. 2021(02): 58-62 . 本站查看
    14. 黄重谦. 基于多隐层小波卷积极限学习神经网络的滚动轴承故障识别. 工矿自动化. 2021(05): 77-82+100 . 本站查看
    15. 黄芝玲，陈金峰，曾永华，陆筠濠，黎惠敏，朱兴统. 基于小波包模糊熵与RBF神经网络的滚动轴承故障诊断. 广东石油化工学院学报. 2021(03): 26-29 . 百度学术
    16. 宫涛，杨建华，单振，刘后广. 强噪声背景与变转速工况条件下滚动轴承故障诊断研究. 工矿自动化. 2021(07): 63-71 . 本站查看
    17. 姜家国，郭曼利，杨思国. 基于GAF和DenseNet的滚动轴承故障诊断方法. 工矿自动化. 2021(08): 84-89 . 本站查看
    18. 杨战社，孔晨再，荣相，魏礼鹏，史小军. 基于EEMD能量熵与ANN的矿用异步电机故障诊断. 微电机. 2021(08): 23-27+61 . 百度学术
    19. 郭秀才，吴妮，曹鑫. 基于特征融合与DBN的矿用通风机滚动轴承故障诊断. 工矿自动化. 2021(10): 14-20+26 . 本站查看
    20. 恵阿丽，鹿伟强，荣相，魏礼鹏，陈雯雅. 基于Park—WPT和WOA—LSSVM的异步电动机故障诊断方法. 工矿自动化. 2021(12): 106-113 . 本站查看
    27. 樊红卫，严杨，张旭辉，张超，曹现刚，薛策译，毛清华，李杰. 滚动轴承优选WPE与ANVTPSO-BPNN故障诊断. 振动.测试与诊断. 2023(03): 593-602+625-626 . 百度学术

    其他类型引用(16)

    • 资源附件(0)
计量
  • 文章访问数:  184
  • HTML全文浏览量:  33
  • PDF下载量:  20
  • 被引次数: 37
出版历程
  • 刊出日期:  2020-08-19

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回

    苏ICP备 05016349号-2

    本系统由 北京仁和汇智信息技术有限公司 开发  访问量：1148670    百度统计