运用函数进行决策分类,提取航空发电机轴承振动信号的特征.利用离散正交小波变换法进行去噪处理,建立故障分析模型对轴承故障振动信号特征进行分析.运用人工智能技术将故障信号进行优化,在训练信息不完整的情况下使用隐藏BP网络,对故障进行分类与识别.调整权重对负梯度方向进行修正,变化步长进行寻优.将计算得到节点中获得的最大值与实际值进行比较,通过故障与神经元的相互作用准确定位故障发生的具体位置从而完成检测.实验结果表明,实验组振动幅值在[-10,10],为 3 个小组的最小振动幅值波动范围,每种故障分类准确性均为 100%,提升检测结果的精准程度,实现了人工智能技术在航空发动机轴承故障检测中的良好应用.
NETL
NSTL
万方数据
