机械设计与研究 ›› 2019, Vol. 35 ›› Issue (01): 165-168+174.doi: 10.13952/j.cnki.jofmdr.a4834
付志敏;许昕;潘宏侠;赵雄鹏;梁海英;
摘要： 对于供输弹系统早期故障信息易湮没在强噪声中,潜在故障特征难以提取的问题,提出1种基于MRSVD与Elman神经网络的早期故障识别方法。供输弹系统振动信号经过预处理后采用双树复小波进行降噪,之后利用多分辨奇异值分解对降噪信号有效分解为若干分量,提取各分量的能量,归一化后将其作为特征值,运用Elman神经网络对供输弹系统早期故障有效识别。结果表明,该方法能有效识别供输弹系统早期故障,识别率为94.44%,证明该方法对自动供输弹系统早期故障识别的有效性。
