收录：
摘要：
一种基于分数阶小波变换和BP神经网络的齿轮缺陷智能分析方法，基于该齿轮缺陷智能分析方法，首先以变换阶次为变量，对齿轮振动信号进行分数阶傅里叶变换确定最优阶次，在最优阶次下对齿轮振动信号进行分数阶小波变换消噪实现齿轮振动信号有用分量与背景噪声的分离；计算消噪后信号的特征参数组成一组特征向量，用于表征消噪处理后的齿轮振动的特征；将特征向量平均分为两组，分别作为训练样本和测试样本，输入BP神经网络进行学习和分类。本发明很好地抑制齿轮啮合振动信号中混杂的背景噪声，保留与缺陷有关的有用信号分量，能有效地提取齿轮缺陷特征；利用BP神经网络的自学习和分类能力，能够快速定性识别出齿轮的缺陷模式且准确率高。
关键词：
通讯作者信息：
电子邮件地址：
