基于多特征融合与GA-BP模型的滚动轴承故障识别

来源：机床与液压杂志2021年第6期北京时间：

作者：黄文超，王林军，刘晋玮，陈保家

单位：三峡大学水电机械设备设计与维护湖北省重点实验室，三峡大学机械与动力学院；三峡大学水电机械设备设计与维护湖北省重点实验室，三峡大学机械与动力学院；三峡大学水电机械设备设计与维护湖北省重点实验室，三峡大学机械与动力学院；三峡大学水电机械设备设计与维护湖北省重点实验室，三峡大学机械与动力学院

摘要：针对滚动轴承故障识别问题，基于遗传算法（GA）和BP神经网络等技术，提出一种GA-BP神经网络模型。该模型以训练数据的输出误差作为目标函数，利用遗传算法对BP神经网络的初始权值和阈值进行优化选择。将经验模态分解能量比和时域特征相结合的特征向量作为BP神经网络的输入，对滚动轴承不同工况下的故障进行识别。滚动轴承故障诊断的实例表明：该模型较传统BP神经网络模型具有更好的收敛精度、收敛速度和识别率。

关键词：遗传算法;BP神经网络;滚动轴承;故障识别

基金资助：国家自然科学基金面上项目(51975324)；水电机械设备设计与维护湖北省重点实验室开放基金项目(2019KJX12)