摘要：针对电机轴承故障的检测问题,提出一种结合移除非故障分量（Removing Non-bearing Fault Component,RNFC）滤波器和多层感知器（Multi-Layer Perceptron,MLP）神经网络分类器的电机轴承故障检测方法。首先,利用神经网络设计一种RNFC滤波器,滤除与故障不相干的信号,只输出各种故障信号分量。然后,利用Levenberg-Marquardt算法训练MLP神经网络来构建故障分类器,并从RNFC滤波器输出的故障信号中提取4种时域特征（均方根、方差、偏度和峰度）,作为故障分类器的输入。最后,实现对内圈缺陷、外圈缺陷和滚动体故障的检测。实验结果表明,该方法能够准确检测故障且对环境噪声具有鲁棒性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社