基于DBI-小波包分解和改进BP神经网络的轴承故障诊断方法研究

• Published in: 河南理工大学学报（自然科学版） Vol. 42; no. 1; pp. 116 - 123
• Main Authors: 张玉彦, 张金龙, 文笑雨, 李浩, 孙春亚, 王昊琪, 乔东平
• Format: Journal Article
• Language: Chinese
• Published: 郑州轻工业大学 河南省机械装备智能制造重点实验室,河南 郑州 450002 2023
• Subjects: 戴维森堡丁指数; 小波包分解; 轴承故障诊断; BP神经网络
• ISSN: 1673-9787
• DOI: 10.16186/j.cnki.1673-9787.2021060096

TH165%TH133; 针对轴承故障诊断问题,以振动信号为分析对象,提出DBI-小波包分解和改进BP神经网络的诊断方法.采用4层小波包分解获取振动信号的不同频带特征,引入戴维森堡丁指数(Davies-Bouldin index,DBI)定量评价小波包分解结果,确定小波基函数为FK22时达到最佳分解结果.采用改进的BP神经网络对不同频带特征识别,引入弹性梯度下降法解决传统BP神经网络收敛速度慢和梯度消失等问题,提高网络训练速度.同时,针对BP神经网络隐藏层层数及各隐藏层节点个数难以确定的问题,设计正交实验对不同参数组合效果进行验证,选出最佳参数,避免盲目低效调参.对电机滚动轴承进行验证,结果表明平均故障识别准确率达到98.833％.