来源：期刊VIP网 时间：
作者：吴奇;
单位：辽宁铁道职业技术学院铁道车辆学院;大连交通大学机车车辆工程学院;
摘要：为了提高滚动轴承的故障诊断准确率，提出了多层次多尺度模糊熵的故障特征提取方法与最优拉丁随机下降神经网络的诊断方法。介绍了滚动轴承的故障模式与不同故障模式下的特征频率，分析了模糊熵的优缺点。针对模糊熵不能全面提取故障特征的问题，根据信号的多层次分解和多尺度分析，提取了信号的多层次多尺度模糊熵特征，并使用核主成分分析法进行故障特征降维。分析了梯度下降法的局限性，提出了最优拉丁梯度下降神经网络进行故障模式识别。使用美国凯斯西储大学轴承实验数据进行验证，多层次多尺度模糊熵在轴承不同状态类的区分明显、类内聚集度较好，说明多层次多尺度模糊熵能够较好地代表轴承故障状态。同时使用文献~([11])诊断方法、多层次多尺度模糊熵+BP神经网络、这里诊断方法对测试样本进行故障诊断，文献~([11])的诊断准确率均值为95.8%，模糊熵+BP神经网络诊断准确率均值为95.4%，这里方法诊断准确率均值为99.6%，实验结果验证了这里诊断方法的优越性。
关键词：滚动轴承故障诊断;;多层次分解;;多尺度分析;;模糊熵;;最优拉丁梯度下降;;神经网络
基金资助：2019年辽宁省教育厅科学研究项目(LJKY2019112)
