基于双谱识别和人工免疫网络的智能故障检测 (2009年)

针对故障诊断中人为评估振动谱图而导致诊断结果不稳定的情况，提出基于振动谱图模式识别的故障诊断方法，利用Hilbert包络分析和双谱分析的组合方法来提取振动信号的故障频率特征，进而采用双谱图的灰度共生矩阵（GLCM）及其特征统计量来表征故障特征。改进了人工免疫网络（AIN）分类算法，将特征统计量作为抗原，通过对抗原的学习训练，形成记忆抗体集；通过判断待检验抗原与记忆抗体的匹配程度，实现故障分类识别。滚动轴承故障诊断实践证明，人工免疫网络分类方法具有良好的适应性，取得了较BP神经网络更好的检测准确率。