科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高诊断滚动轴承故障的效率和准确率,将小波包分解(Wavelet Packet Decomposition,WPD)、径向基函数神经网络(Radical Basis Function Neural Network,RBFNN)和生物地理学优化算法(Biogeography-Based Optimization,BBO)三者结合起来,提出了一种基于小波包和BBO-RBFNN的故障诊断模型。首先,由小波包的分解与重构在滚动轴承故障原始信号中提取有效的故障特征向量。其次,利用生物地理学优化算法优化RBFNN,然后训练和诊断滚动轴承信号的故障类型。运用MATLAB软件把采集的数据进行了仿真,由MATLAB仿真结果可得,生物地理学优化算法的引入使得轴承故障诊断的适应度和准确率更高。
- 单位
