基于特征评估和神经网络的机械故障诊断模型
雷亚国1,2,何正嘉1,2,訾艳阳1,2,胡桥1,2
(1.西安交通大学机械工程学院，710049,西安；2.西安交通大学机械制造系统工程国家重点实验室，710049,西安）
摘要:为了克服在无先验知识的情况下，人为选择时域无量纲指标作为故障敏感特征的盲目性，提出了一种基于特征评估和径向基函数(RBF)神经网络的机械故障诊断模型.该模型分别采用小波包和经验模式分解方法对原始振动信号进行分解，分别提取原始信号和各分解信号的时域无量纲指标组成联合特征，然后对联合特征进行评估，计算评估因子，并根据评估因子的大小选取敏感特征作为RBF神经网络的输入，实现对机器不同状态的自动识别.实验结果和工程应用表明，这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息，从大量的故障特征中筛选出敏感特征，因而减小了网络规模，提高了分类准确率，具有很强的鲁棒性.
关键词:特征评估；小波包；经验模式分解；径向基函数神经网络；故障诊断模型
中图分类号:TH17;TP18 文献标识码:A 文章编号:0253-987X(2006)05-0558-05