机械设计与制造2020，Issue(10) ：94-97.

极限学习机在航空轴承故障诊断中的应用研究

Applied Research of Aero-Engine Bearing Fault Diagnosis Based on Extreme Learning Machine

皮骏 马圣 王力平 李章萍
机械设计与制造2020，Issue(10) ：94-97.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

极限学习机在航空轴承故障诊断中的应用研究

Applied Research of Aero-Engine Bearing Fault Diagnosis Based on Extreme Learning Machine

皮骏 1马圣 2王力平 3李章萍4
扫码查看

作者信息

  • 1. 中国民航大学,通航学院,天津300300
  • 2. 中国民航大学,航空工程学院,天津300300
  • 3. 珠海摩天宇航空发动机维修有限公司,TE90,广东珠海519030
  • 4. 中国民航大学,经济与管理学院,天津300300
  • 折叠

摘要

基于实验平台,采集滚动轴承正常、内环故障、外环故障和滚珠故障四种工况的振动信号,利用时域分析法提取故障特征量.分析隐含层神经元数量、隐含层激活函数和样本比例对极限学习机网络诊断效果的影响,同时从网络对样本比例的适应性、算法的稳定性、仿真耗时和抗噪能力四方面比较BP、SVM和RBF网络.结果 表明:针对轴承故障诊断,极限学习机在神经元数量较少时采用Sigmoid()函数、神经元数量较多时采用Hardlim()函数,其诊断效果较佳;极限学习机相比BP、SVM和RBF网络,能够更好的适应样本比例的变化,且算法的稳定性和准确性均为最优;极限学习机仿真计算时间相对较短、抗噪能力较强.

关键词

航空发动机/极限学习机/轴承/故障诊断/振动信号/时域分析

引用本文复制引用

基金项目

中央高校基本科研业务费民航大学专项(3122013H001)

出版年

2020
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
被引量4
参考文献量7
段落导航相关论文