基于时序-RBF神经网络的齿轮故障诊断方法
李力
蒋宇
李志雄
1.三峡大学机械与材料学院,湖北,宜昌,4430022.三峡大学机械与材料学院,湖北,宜昌,4430023.三峡大学机械与材料学院,湖北,宜昌,443002
摘要：针对齿轮箱早期故障特征不明显,提出一种基于时序和径向基(Radial Basis Function, RBF)神经网络相结合的诊断方法.通过对齿轮箱正常和故障运行状态的振动信号进行时序分析,提取时序模型的自回归系数作为状态特征,并将其组成特征向量输入RBF神经网络分类器进行网络训练,从而实现了对齿轮正常、裂纹、断齿和局部点蚀的状态识别与诊断.结果表明,基于时序-RBF神经网络结合的方法对于早期或多故障分类是可行的.
关键词：齿轮故障诊断时序分析特征提取RBF神经网络
论文发表日期：2008-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：4( 63-66 )
英文信息