基于小波包和改进GA-BP神经网络的轴承故障诊断.pdfVIP

机械工程师

MECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEERMECHANICALENGINEER

基于小波包和改进GA-BP神经网络

的轴承故障诊断

张金萍，陈肖飞

（沈阳化工大学机械与动力工程学院，沈阳110142）

摘要：

为了提高非平稳性轴承振动信号特征提取能力及故障诊断效率，提出了小波包结合BP神经网络的轴承故障诊断

方法，将小波包对振动信号进行分解与重构，将不同频段的能量为特征参数作为BP神经网络的输入。提出通过神经网络隐

层不同节点对应的平均迭代次数和网络性能作为隐层节点数选择的依据选择隐层节点个数，摆脱了经验公式选择节点数

导致迭代次数高、精确率较低的缺陷，同时通过遗传算法优化神经网络初始权值和阈值，提高收敛速度并克服会陷入局部

最小值等缺点。以实验室实测故障轴承数据为对象分析，对比传统BP与GA-BP的诊断效率及精确度，验证了小波包结合

改进BP神经网络进行轴承故障诊断的可行性。

关键词：

小波包能量值；隐层节点；GA-BP神经网络；故障诊断

中图分类号:TH133.33文献标志码:粤文章编号：员园园圆原圆猿猿猿（圆园22）08原园017原园4

BearingFaultDiagnosisBasedonWaveletPacketandImprovedGA-BPNeuralNetwork

ZHANJinping,CHENXiaofei

(SchoolofMechanicalandPowerEngineering,ShenyangUniversityofChemicalTechnology,Shenyang110142,China)

Abstract:Iordertoimprovethefeatureextractioabilityandfaultdiagnosisefficiencyofnon-stationarybearing

vibratiosignal,abearingfaultdiagnosismethodbasedowaveletpacketandBPneuralnetworkisproposed.Thewavelet

packetisusedtodecomposeandreconstructthevibratiosignal,andtheenergyofdifferentfrequencybandsisusedas

thecharacteristicparameterastheinputoftheBPneuralnetwork.Itisproposedtoselectthenumberofhiddelayer

nodesaccordingtotheaveragenumberofiterationsandnetworkperformancecorrespondingtodifferentnodesithe

hiddelayeroftheneural