基于神经网络分类算法的电机轴承故障检测方法

摘要

针对电机轴承故障的检测问题,提出一种结合移除非故障分量(Removing Non-bearing Fault Component,RNFC)滤波器和多层感知器(Multi-Layer Perceptron,MLP)神经网络分类器的电机轴承故障检测方法.首先,利用神经网络设计一种RNFC滤波器,滤除与故障不相干的信号,只输出各种故障信号分量.然后,利用Levenberg-Marquardt算法训练MLP神经网络来构建故障分类器,并从RNFC滤波器输出的故障信号中提取4种时域特征(均方根、方差、偏度和峰度),作为故障分类器的输入.最后,实现对内圈缺陷、外圈缺陷和滚动体故障的检测.实验结果表明,该方法能够准确检测故障且对环境噪声具有鲁棒性.