基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断

广州市地下铁道总公司车辆中心,广州,510320%南京理工大学机械工程学院,南京,210094%北京交通大学轨道交通控制与安全国家重点实验室,北京,100044

基金项目: 科技支撑项目资助(2011BAG01B05)

详细信息

Fault diagnosis method for rolling bearing of railway vehicle based on wavelet packet and RBF Neural Network

摘要: 针对轨道车辆的滚动轴承故障诊断问题,提出了一种小波包与RBF神经网络相结合的故障诊断方法.首先对采集到的振动数据进行小波消噪,然后利用小波包分解提取故障信号的能量特征向量,最后利用提取的能量特征训练RBF神经网络,进行故障诊断.诊断结果表明,基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断方法能够较好的诊断出轨道车辆的轴承故障类型,具有一定的实际应用价值.
- 轨道车辆 /
- 滚动轴承 /
- 故障诊断 /
- 小波包 /
- RBF神经网络

1.	颜争，兰清群. 城轨ATO系统子空间预测控制方法. 山东交通学院学报. 2022(01): 35-43 . 百度学术
2.	刘猛，陆远基. 城市轨道交通低碳节能技术研究. 运输经理世界. 2022(02): 7-9 . 百度学术
3.	雷平. S曲线加减速控制在FAO自动驾驶中的应用研究. 自动化与仪器仪表. 2021(05): 164-167 . 百度学术
4.	华路捷，谢谦，刘宠，刘畅，刘帆. 城市轨道交通车辆实时监测与分析系统研究. 都市快轨交通. 2020(01): 134-138 . 百度学术
5.	韩宜轩. 城市轨道交通列车定时节能优化方法研究. 时代汽车. 2020(19): 192-193 . 百度学术
6.	聂莹莹，谢刚，郭彦宏，董渠江. 基于改进DE的城轨列车节能速度曲线研究. 铁路计算机应用. 2020(11): 30-35 . 本站查看