基于小波分析和RBF神经网络的轴承故障诊断研究

来源：机床与液压杂志2020年第24期北京时间：

作者：王海林，张春光，唐超尘，刘 鑫

单位：广州商学院 信息技术与工程学院；北京科技大学 计算机与通信工程学院；西安电子科技大学 通信工程学院；桂林理工大学信息科学与工程学院；桂林理工大学信息科学与工程学院

摘要：为了提高轴承故障信号的诊断性能，采用小波分析和RBF神经网络相结合的方法对轴承振动信号进行故障分类。首先对轴承振动信号进行小波变化，采用软阈值去噪方法滤除振动信号噪声，然后对振动信号矩阵化处理，接着构建RBF神经网络，输入轴承振动信号特征向量，初始化权重和阈值，最后通过不断反向迭代得到稳定的RBF神经网络故障判别模型。实验证明：通过差异化设置隐藏层神经元数量，确定合适的RBF神经网络规模，经过小波去噪可以有效提高轴承故障判别准确率，相比于常见轴承故障分类算法，算法具有更高的故障判别准确率。

关键词：轴承故障诊断;RBF神经网络;小波去噪;软阈值

基金资助：国家自然科学地区基金项目（61961010）