摘要详情

ID / 提交时间

256 / 2021-11-07 16:31:27

标题

Motor Bearing Fault Diagnosis Method Based on Wavelet Decomposition and SSA-BP

关键字

Sparrow search algorithm; Neural network; Fault diagnosis; Genetic algorithm; Particle swarm optimizationey

主题及专题

AI-driven technology > Intelligent Anomaly Detection, Fault Diagnosis and Prognostics

状态

全文被拒

作者

Zhe Cheng / Guilin University Of Electronic Technology

摘要

针对神经网络在断层诊断中应用过度拟合现象的缺陷，结合运动数学模型和常见故障机制的分析，提出了神经网络麻雀搜索算法优化方法，实现电机轴承故障的实时检测。首先，波莱特包用于分解和重建断层信号，第三层8个节点的能量值作为电子发生器输入神经网络。结果表明，对于运动轴承的常见故障，SSA-bp的故障诊断测试率为98.24%，分别比传统粒子群优化神经网络和遗传算法优化神经网络高5.14%和6.23%，收敛速度较快，适合运动轴承断层诊断。

重要日期

会议日期

07月11日

2023

至

08月18日

2023
11月10日 2021

初稿截稿日期
12月10日 2021

注册截止日期
12月11日 2021

报告提交截止日期

主办单位

IEEE IAS

承办单位

IEEE IAS Student Chapter of Southwest Jiaotong University (SWJTU)
IEEE IAS Student Chapter of Huazhong University of Science and Technology (HUST)
IEEE PELS (Power Electronics Society) Student Chapter of HUST