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

基于小波包和BP网络的滚动轴承状态寿命模型

苗学问 洪 杰 马艳红

苗学问, 洪 杰, 马艳红等 . 基于小波包和BP网络的滚动轴承状态寿命模型[J]. 北京航空航天大学学报, 2009, 35(10): 1161-1165.
引用本文: 苗学问, 洪 杰, 马艳红等 . 基于小波包和BP网络的滚动轴承状态寿命模型[J]. 北京航空航天大学学报, 2009, 35(10): 1161-1165.
Miao Xuewen, Hong Jie, Ma Yanhonget al. Grade-life model based on wavelet package and BP network for rolling bearing[J]. Journal of Beijing University of Aeronautics and Astronautics, 2009, 35(10): 1161-1165. (in Chinese)
Citation: Miao Xuewen, Hong Jie, Ma Yanhonget al. Grade-life model based on wavelet package and BP network for rolling bearing[J]. Journal of Beijing University of Aeronautics and Astronautics, 2009, 35(10): 1161-1165. (in Chinese)

基于小波包和BP网络的滚动轴承状态寿命模型

基金项目: 航空科学基金资助项目(2007ZB51021)
详细信息
    作者简介:

    苗学问(1977-),男,河南周口人,博士生,xwmiao77@sohu.com.

  • 中图分类号: TB 114

Grade-life model based on wavelet package and BP network for rolling bearing

  • 摘要: 使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述滚动轴承的使用寿命,并建立了滚动轴承状态寿命的评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,提取小波包重构信号的频带能量构造特征矢量,利用推广性能良好的贝叶斯正则化BP网络作为状态寿命评估的算法建立特征向量与状态寿命之间的映射,采用滚动轴承全寿命试验数据作为学习样本,训练和确定评估模型.试验验证了模型的有效性和可信性.

     

  • [1] Williams T, Ribadeneira X, Billingto S. Rolling element bearing diagnostics in run-to-failure life time testing [J]. Mechanical Systems and Signal Processing, 2001,15(5):979-993 [2] Lawley M, Liu R, Parmeshwaran V. Residual life predictions from vibration-based degradation signals: a neural network approach [J], IEEE Transactions on Industrial Electronics, 2004, 51(3):694-699 [3] Orsagh R, Roemer M, Sheldon J,et al. A comprehensive prognostic approach for predicting gas turbine engine bearing life Proceedings of ASME Turbo Expo. Vienna, Austria: ,2004:1-9 [4] Roemer M J, Byington C S. Prognostics and health management software for gas turbine engine bearings Proceedings of GT2007 ASME Turbo Expo, Montreal. Canada: ,2007:14-17  [5] Shao Y, Nezu K. Prognosis of remaining bearing life using neural networks[J]. Proc Instn Mech Engrs,2000,214(1):217-231  [6] Huang Runqing, Xia Lifeng, Li Xinglin, et al. Residual life predictions for ball bearings based on self-organizing map and back propagation neural network methods[J]. Mechanical Systems and Signal Processing, 2007(21):193-207 [7] Harris T. Rolling bearing analysis[M]. New York: John Wiley & Sons,2001
  • 加载中
计量
  • 文章访问数:  2955
  • HTML全文浏览量:  63
  • PDF下载量:  913
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-09-27
  • 网络出版日期:  2009-10-31

目录

    /

    返回文章
    返回
    常见问答