Bearing Fault Detection Based on Maximum Likelihood Estimation and Optimized ANN Using the Bees Algorithm

سال انتشار: 1393
محل انتشار: بیست و دومین کنفرانس سالانه بین المللی مهندسی مکانیک
کد COI اختصاصی: ISME22_376
زبان مقاله: انگلیسی
تعداد مشاهده: 1132

نویسندگان

Master of science, Mechanical Engineering Department, Shahid Chamran University of Ahvaz

Assistant Professor, Mechanical Engineering Department, Shahid Chamran University of Ahvaz

چکیده

Rotating machinery is a common class of machinery in industry. The root cause of faults in rotating machinery is often faulty rolling element bearings. These rolling element bearings wear out easily due to the metal-metal contacts and create faults in the outer race, inner race or balls. This paper presents an algorithm using optimized artificial neural network by the Bees Algorithm for automated diagnosis of localized faults in rolling element bearings. Maximum likelihood estimation values extracted from time-domain vibration signals, real Cepstrum, minimum phase reconstruction, discrete cosine transform, discrete Fourier transform, envelope analysis signal and the Hilbert transform are used as input features for the neural network. The proposed procedure requires only a few input features, resulting in simple preprocessing and faster training. Effectiveness of the proposed method is illustrated using the experimentally obtained bearing vibration data.

کلیدواژه ها

Fault diagnosis, MLE distributions, RBF neural network, Bees Algorithm

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.