论文部分内容阅读
旋转机械故障诊断研究中，采用BP神经网络容易陷入局部极小点而无法得到全局最优解，导致对耦合碰摩故障分类识别率不高的问题。研究了经验模态分解方法和BP—AdaBoost方法，结合二者优点，提出了一个故障识别的新方法，首先为了去除背景信号和噪声信号，选用经验模态分解方法来分解转子的振动信号，得到转子系统碰摩信号的主要故障特征，然后用BP—AdaBoost模型对3种不同工况进行识别。基于实验数据的分析表明方法的识别率要优于BP神经网络。