基于SPWVD-CNN的滚动轴承故障诊断

摘要：

针对传统的滚动轴承故障诊断方法难以提取轴承振动数据有效特征的缺陷,提出一种基于平滑伪Wigner-Vill分布(smooth and pseudo Wigner-Ville distribution,SPWVD)和卷积神经网络(convolutional neural network,CNN)的网络模型SP-WVD-CNN.对振动数据进行平滑伪Wigner-Vill分布变换,将获得的时频图进行压缩,作为CNN的输入,利用迁移学习的思想进行网络训练,使得模型对于不同负载的数据具有良好的诊断性能,提高了网络的泛化能力.实验结果表明:SP-WVD-CNN对轴承故障数据的平均分类准确率提升至99.27％,总体性能优于使用单一的CNN和其他传统的故障诊断方法.

关键词：滚动轴承、故障诊断、SPWVD、CNN

所属期刊栏目：48

分类号：TP391.9(计算技术、计算机技术)

资助基金：中央高校基本科研业务中国民航大学专项基金项目;Basic Scientific Research Business of Central University Special Fund Project of Civil Aviation University of China

在线出版日期：2020-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：147-154