期刊专题

10.3969/j.issn.1001-3881.2022.14.033

完备变分模态分解和多传感器卷积神经网络的轴承故障诊断方法

引用
针对传统滚动轴承故障诊断方法难以提取和辨识故障特征等问题,提出一种完备变分模态分解(CVMD)和工业多传感器卷积神经网络(MSCNN)相结合的轴承故障识别模型.在采集到的滚动轴承故障振动数据中加入2对符号相反但幅值相等的白噪声,并使用变分模态分解将故障振动数据分解为若干本征模态分量(IMFs)并进行集成平均;利用综合指标选择合适的IMFs分量并重构;针对多传感器结构,在卷积神经网络的基础上,提出MSCNN网络,并将重构后的振动信号输入MSCNN进行自动特征学习与故障诊断.结果表明:所提出的CVMD-MSCNN模型的故障诊断准确率达 99.76%,标准差为0.16,相比于其他深度学习方法,其诊断准确率和稳定性较优.

滚动轴承、变分模态分解、卷积神经网络、故障诊断

50

TH133.3

2022-09-16(万方平台首次上网日期,不代表论文的发表时间)

共7页

182-188

暂无封面信息
查看本期封面目录

机床与液压

1001-3881

44-1259/TH

50

2022,50(14)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn