Indexed by：
Abstract：
为了自动辨识不同尺度下的轴承故障,建立了一种基于多小波包系数样本熵和BP神经网络的模式判别方法.针对5种尺度下的轴承外圈故障信号,分别采用GHM多小波包完成三层分解.为了充分利用多小波包的分析优势,将分解后的16个频段信号分别求系数样本熵,并将其作为神经网络的输入向量.通过三层BP神经网络的训练、学习,并与dB10小波包神经网络做了对比研究.结果表明,多小波包样本熵可以区别不同损伤程度的故障信号,且多小波包样本熵与神经网络结合,其辨识精度更高,分类效果明显优于传统单小波,便于轴承损伤程度的自动识别.
Keyword：
Reprint Author's Address：
Email：
Source ：
振动、测试与诊断
ISSN： 1004-6801
Year： 2015
Issue： 1
Volume： 35
Page： 128-132
Cited Count：
SCOPUS Cited Count： 8
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 15
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
