诊断精度98.87%
整合振动与风压数据进行多特征融合，并采用BP神经网络，可高精度诊断矿井主通风机的轴承与叶片故障。
Zuzhi, Tian · Huang, Xiankang · 谢方伟 · Xiangfan, Wu · Ji, Jinjie · Guo, Yangyang
Engineering Applications of Artificial Intelligence 2024
结合多特征值选择与振动-风压数据融合，测试集上诊断精度达98.87%，能可靠识别轴承和叶片故障。
通过EEMD分解振动信号，并利用归一化均方根误差评估不同故障在相同特征值下的信号分离度，从而选择最有效的特征值，避免盲目选取。
不仅使用振动信号，还融合风压信息，构建故障指示向量表，提供更全面的故障征兆，有助于提高诊断鲁棒性。
针对矿井主通风机这类强非线性复杂系统，方法通过BP神经网络进行训练和测试，具有高精度和适应性，适用于类似机械设备。