基于LMD排列熵和BP神经网络的行星齿轮箱故障诊断方法
高素杰1
巫世晶1
周建华1
郑攀1
陈奔1
许家才2
1.武汉大学 动力与机械学院,湖北 武汉 4300722.国能云南新能源有限公司,云南 昆明 650214
摘要：针对行星齿轮箱故障诊断过程中的故障特征向量区分度差、诊断成功率不够高等问题,提出了一种基于局部均值分解(Local mean decomposition,LMD)排列熵和BP神经网络结合的方法.对原始信号进行LMD,获得包含主要信息的PF分量,计算排列熵值,构造特征向量,利用提取的特征向量训练BP神经网络,完成故障模式识别.以EMD排列熵方法和无量纲分析方法作为对比组,实验验证说明,提出方法提取到的不同工况的特征向量区分度更强,故障诊断效果更好;且当训练组数发生变化时,提出方法的综合表现更优秀.
关键词：行星齿轮箱故障诊断局部均值分解排列熵BP神经网络
资助基金：国家自然科学基金(52075392)
论文发表日期：2022-10-15
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：8( 10-16,23 )
英文信息