基于EMD与BP神经网络的齿轮故障诊断

针对基于传统BP神经网络的齿轮故障诊断方法存在收敛速度慢，误差较大等问题，提出经验模式分解（EMD）与BP神经网络相结合的齿轮故障诊断方法。首先简述经验模式分解和BP神经网络的基本原理，然后采用EMD方法提取齿轮时域信号中的各个IMF分量，计算IMF分量中故障信号能量特征参数，将这些能量特征参数作为BP神经网络输入参数进行故障诊断。在齿传动故障实验台上采集足够的样本数据进行实验研究。结果表明:与传统的BP神经网络相比，可将训练误差从0.01降低至0.001左右。此外，训练迭代次数可减小至10次以内。