摘要:提出了一种基于总体平均经验模态分解和GRNN神经网络的滚动轴承故障诊断方法。首先通过EEMD方法将非平稳、非线性的滚动轴承振动信号分解为若干个平稳的固有模态函数(IMF)之和,提取前8个IMF分量作为频域特征,同其他14个时频域特征指标组成特征集输入到GRNN神经网络中,建立起GRNN网络模型,对滚动轴承三种故障状态进行模式识别。通过分析比较BP和GRNN两种网络模型对故障的诊断结果,验证了GRNN网络的优越性和可行性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
相关文章
影响因子:0.58
期刊级别:北大期刊
发行周期:月刊
期刊在线咨询,1-3天快速下单!
查看更多>
超1000杂志,价格优惠,正版保障!
一站式期刊推荐服务,客服一对一跟踪服务!