《机电工程》杂志,月刊( 详细... )
中国标准连续出版物号: ISSN 1001-4551 CN 33-1088/TH
主办单位:浙江省机电集团有限公司
浙江大学
主编:陈 晓
副 主 编:唐任仲、罗向阳(执行主编)
总 经 理:罗向阳
出 版:浙江《机电工程》杂志社有限公司
地 址:杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel:+86-571-87041360、87239525
E-mail:meem_contribute@163.com
国外发行:中国国际图书贸易总公司
订阅:全国各地邮局 国外代号:M3135
国内发行:浙江省报刊发行局
邮发代号:32-68
广告发布登记证:杭上市管广发G-001号
在线杂志 |
当前位置: 机电工程 >>在线杂志 |
基于EEMD和BP神经网络的齿轮缺陷检测
作者:郭 冕,陈洪芳* 日期:2013-09-16/span> 浏览:2821 查看PDF文档
基于EEMD和BP神经网络的齿轮缺陷检测
郭 冕,陈洪芳*
(北京工业大学 机械工程与应用电子技术学院, 北京 100124)
摘要: 针对齿轮传动噪声信号复杂,且啮合产生的噪声往往被外界噪声所掩盖而不利于噪声分析的问题,提出了一种基于集合经验模态分解(EEMD)算法、时域同步平均(TSA)和BP神经网络结合的齿轮缺陷检测方法。首先运用集合经验模态分解算法将原始噪声信号分解,以齿轮啮频及其倍频为参考从中提取有用信号,并作时域同步平均进一步去噪;然后,计算去噪以后的特征,并选取不同缺陷状态下差异明显的特征,构建为一组特征向量;最后,将特征向量输入到BP神经网络分类器中进行缺陷的自动识别。研究结果表明,应用EEMD以及TSA相结合的方法去噪效果良好,数据进行处理以后所反映的缺陷特征明显;应用BP神经网络进行的智能识别避免了传统分析中过多依靠人主观判断而产生的缺陷,识别结果更准确。
关键词: 齿轮缺陷检测; 集合经验模态分解; 降噪; BP神经网络; 时域同步平均
中图分类号: TH132.41 文献标志码:A 文章编号:1001-4551(2013)06-0678-05
本文的文献著录格式:
郭 冕,陈洪芳.基于EEMD和BP神经网络的齿轮缺陷检测[J].机电工程,2013,30(6):678-682.
GUO Mian, CHEN Hong fang.Gear defect detection based on EEMD method and BP neural network[J].Journal of Mechanical & Electrical Engineering,2013,30(6):678-682.
友情链接