论文部分内容阅读
本文结合语音识别中运用较广的美尔频率倒谱系数(MFCC)和线形预测倒谱系数(LPCC)作为滚动轴承音频信号的特征参数,并使用具有强学习能力的神经网络方法进行故障诊断,最后依靠Dempster-Shafrg(D-S)证据理论进行分析得出可信度高的判定结果。实验结果表明,该方法在滚动轴承的音频信号故障诊断中有效可行。在积累足够量的样本数后,可望建立相应的专家库,实现轴承故障的快速智能诊断。