机械传动2022，Vol.46Issue(10) ：10-16,23.DOI:10.16578/j.issn.1004.2539.2022.10.002

基于LMD排列熵和BP神经网络的行星齿轮箱故障诊断方法

Fault Diagnosis Method of Planetary Gearboxes Based on LMD Permutation Entropy and BP Neural Network

高素杰 巫世晶 周建华 郑攀 陈奔 许家才
机械传动2022，Vol.46Issue(10) ：10-16,23.DOI:10.16578/j.issn.1004.2539.2022.10.002
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于LMD排列熵和BP神经网络的行星齿轮箱故障诊断方法

Fault Diagnosis Method of Planetary Gearboxes Based on LMD Permutation Entropy and BP Neural Network

高素杰 1巫世晶 1周建华 1郑攀 1陈奔 1许家才2
扫码查看

作者信息

  • 1. 武汉大学 动力与机械学院,湖北 武汉 430072
  • 2. 国能云南新能源有限公司,云南 昆明 650214
  • 折叠

摘要

针对行星齿轮箱故障诊断过程中的故障特征向量区分度差、诊断成功率不够高等问题,提出了一种基于局部均值分解(Local mean decomposition,LMD)排列熵和BP神经网络结合的方法.对原始信号进行LMD,获得包含主要信息的PF分量,计算排列熵值,构造特征向量,利用提取的特征向量训练BP神经网络,完成故障模式识别.以EMD排列熵方法和无量纲分析方法作为对比组,实验验证说明,提出方法提取到的不同工况的特征向量区分度更强,故障诊断效果更好;且当训练组数发生变化时,提出方法的综合表现更优秀.

关键词

行星齿轮箱/故障诊断/局部均值分解/排列熵/BP神经网络

引用本文复制引用

基金项目

出版年

2022
机械传动
郑州机械研究所 中国机械通用零部件工业会齿轮分会 中国机械工程学会

机械传动

CSTPCD北大核心
影响因子：0.534
ISSN：1004-2539
被引量5
参考文献量1
段落导航相关论文