机械设计与研究

机械设计与研究 ›› 2019, Vol. 35 ›› Issue (06): 105-110.doi: 10.13952/j.cnki.jofmdr.a5055

• 论文 • 上一篇    下一篇

基于多尺度熵与SOM神经网络的滚动轴承故障识别

张龙;吴佳敏;吴荣真;宋成洋;易剑昱;   

  1. 华东交通大学机电与车辆工程学院;
  • 出版日期:2019-12-20 发布日期:2019-12-20

  • Online:2019-12-20 Published:2019-12-20

摘要： 滚动轴承故障识别是实现视情维修的基础。针对滚动轴承出现故障时振动信号表现出的非平稳性和非线性,提出了一种基于多尺度熵(Multi-scale Entropy, MSE)和自组织特征映射(Self-organizing Feature Maps, SOM)神经网络的滚动轴承故障识别方法。该方法通过提取滚动轴承振动信号中不同故障状态下的MSE作为SOM神经网络的输入,通过SOM神经网络进行识别,得出轴承的不同故障及故障程度。通过实验表明提出的方法能有效地实现滚动轴承故障类型以及故障程度的智能识别。

关键词: 多尺度熵(MSE), SOM神经网络, 滚动轴承, 故障识别

Key words: multi-scale entropy(MSE), SOM neural network, rolling bearing, fault diagnosis