论文部分内容阅读
针对滚动轴承振动信号非线性和非平稳性的特点，为了更好地识别出滚动轴承的故障状态，将层级实时记忆算法(HTM)应用到滚动轴承故障诊断中。首先对滚动轴承振动信号进行EMD分解，选取前8个IMF分量能量和10个振动参数作为特征参数；然后将提取出的故障特征向量转换为特征位图，并作为HTM网络的输入；最后利用训练完成的HTM网络实现对滚动轴承故障状态的识别。在介绍的实例中，识别正确率达到100％，表明HTM方法对滚动轴承的故障状态识别是非常有效的。