小波包分析和BP神经网络在滚动轴承故障模式识别中的应用

来源：电子测量技术杂志2016年第4期北京时间：

作者：黄良沛

单位：1. 湖南科技大学机械设备健康维护省重点实验室湘潭411201; 2. 湖南科技大学机电工程学院湘潭411201

摘要：根据滚动轴承振动信号的不同故障模式在频域能量分布中的差异性,提出了基于小波包分解与重构和BP神经网络的轴承故障模式识别技术。论文首先对轴承振动信号进行小波包三层分解,完成了振动信号在空间的完整拆分，同时得到了第三层由低频到高频的小波包分解系数，再依据小波包分解系数分别重构各频段的信号,并提取信号各频段的能量。然后利用信号各频段的能量组成的特征矢量作为BP神经网络的输入样本,对BP神经网络进行训练,获得不同故障模式识别网络模型，最后利用测试数据对建立起来的BP神经网络模型进行检验,通过BP神经网络判别滚动轴承的故障类型。实验结果证明,采用小波包分解与重构和BP神经网络相结合的方法可以比较准确地识别滚动轴承的故障。

关键词：滚动轴承 小波包分解 BP神经网络 模式识别

基金资助：国家自然科学基金委员会与中国民用航空局联合资助项目(批准号:U1433118)、湖南省自然科学基金与湘潭市科技局联合资助项目（批准号14JJ5011）