张全德 陈 果 林 桐 欧阳文理 滕春禹 王洪伟

1. 南京航空航天大学民航学院，南京, 2100162. 中航工业综合技术研究所基础研究室，北京, 1000283. 北京航空工程技术研究中心第六研究室，北京, 100076

基于自组织神经网络的滚动轴承状态评估方法

张全德1陈 果1林 桐1欧阳文理2滕春禹2王洪伟3

1. 南京航空航天大学民航学院，南京, 2100162. 中航工业综合技术研究所基础研究室，北京, 1000283. 北京航空工程技术研究中心第六研究室，北京, 100076

针对单一特征在进行故障诊断时准确率不高的问题，提出了一种基于自组织神经网络(SOM)的滚动轴承状态评估方法。该方法首先从原始振动信号中提取出多特征数据，运用主成分分析(PCA)方法对多特征数据进行预处理，采用SOM进行网络训练，构建多特征数据的融合模型，输出竞争神经元层的权值矢量；然后，计算每一个样本到竞争神经元层权值矢量的最小欧氏距离，输出最终的融合指标；最后，通过比较待检测样本与正常样本的最小欧氏距离的差异来判断轴承的状态。将该方法应用于滚动轴承状态评估，试验结果表明：融合指标比单一指标对早期故障更加敏感、更加稳健；同时，融合指标能够定量地描述轴承状态的劣化过程。

自组织神经网络；主成分分析；特征融合；最小匹配距离；滚动轴承；故障识别

0 引言

滚动轴承作为航空发动机的关键部件，其运行状态直接影响飞行安全。由于航空发动机在高速、高温、高压和重载等恶劣条件下运行，滚动轴承极易发生故障[1]，因此，对航空发动机滚动轴承进行实时状态评估和健康监测具有重要意义。……