于江林;余永增;戴光;汪雪;

• 1:大庆炼化公司机动设备处

• 2:大庆石油学院机械科学与工程学院

摘要(Abstract)：

根据声发射检测中常用的BP、RBF和PNN神经网络模型,利用声发射在线检测系统对故障滚动轴承进行测试,提取不同故障轴承声发射信号特征参量作为神经网络输入向量,并分别用3种神经网络对滚动轴承故障模式进行识别.结果表明,采用BP神经网络的声发射信号识别技术的正确识别率略低于其余2种的识别率;RBF和PNN网络的分类结果相同,且在分类能力和学习速度方面均优于BP网络.

关键词(KeyWords)：滚动轴承;声发射;非接触;人工神经网络;模式识别

Abstract:

Keywords:

基金项目(Foundation):黑龙江省自然科学基金项目(E2007-02);;

黑龙江省教育厅科学技术研究项目(11521004)

作者(Author):于江林;余永增;戴光;汪雪;

Email:

参考文献(References)：

• [1]钟秉林,黄仁.机械故障诊断学[M].2版.北京:机械工业出版社,2002.

• [2]理华,徐春广,肖定国,等.滚动轴承声发射技术[J].轴承,2002(7):24-26.

• [3]董长虹.Matlab神经网络与应用[M].北京:国防工业出版社,2005.

• [4]候素霞,罗积军,徐军,等.神经网络在声发射信号模式识别中的应用[J].应用声学,2003,23(6):231-233.

• [5]高宏岩.概率神经网络在旋转机械故障诊断中的应用[J].煤矿机械,2006,27(5):24-25.

• [6]周艳玲,杨德斌,徐金梧,等.基于声信号的轴承故障诊断方法[J].振动与冲击,2002,21(2):21-23.

• [7]LI C J,AMESI S Y.Acoustic emission analysis for bearing condition monitoring[J].Wear,1995,185:67-74.

• [8]李凤英,沈玉娣,熊军.滚动轴承故障的声发射检测技术[J].无损检测,2005,27(11):583-585.

• [9]杨杰.声发射信号处理与分析技术的研究[D].长春:吉林大学,2005.

• [10]KWAKJ,HA M.Neural network approachfor diagnosis of grinding operation by acoustic emission and power signals[J].Journal of Materials Processing Technology,2004,147(1):65-71.

• [11]沈功田,段庆儒,周裕峰,等.压力容器声发射信号人工神经网络模式识别方法的研究[J].无损检测,2001,23(4):144-149.

• [12]戴光,李伟,张颖,等.基于人工神经网络方法识别声发射信号的有效性[J].大庆石油学院学报,2001,25(1):63-66.