10.3969/j.issn.1000-0682.2020.04.002
基于CNN并引入EMD预处理机制的滚动轴承故障诊断方法
滚动轴承故障信号具有非线性、非平稳、强噪声特性,传统算法依赖于人工特征提取且缺乏自适应性.为此,该文利用经验模态分解(EMD)将原始特征集分解为一系列平稳的本征模态函数(IMF),结合相关系数遴选能突出更多局部特征的IMF构建特征向量,剔除部分噪声干扰信号.构造卷积神经网路(CNN)的多层特征提取网络,以遴选的特征向量为输入将其逐级变换为抽象的深层特征,最后完成特征域到故障类别域的映射.实验结果表明,该算法相比较其他方法具有更高的准确率、更好的鲁棒性.
滚动轴承、EMD、相关系数、CNN、故障诊断
TH113
国家自然科学基金;陕西省自然科学基础研究计划
2020-08-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
7-11