基于FNER性能退化指标及IDRSN的滚动轴承寿命状态识别方法

摘要：

针对滚动轴承退化性能难以评估、寿命状态难以识别的问题,提出一种基于特征噪声能量比(Feature-to-noise energy ratio,FNER)指标及改进深度残差收缩网络(Improved deep residual shrinkage network,IDRSN)的滚动轴承寿命状态识别新方法.首先,将全寿命轴承信号进行希尔伯特(Hilbert)变换和快速傅里叶变换(Fast fourier transform,FFT)得到包络谱,根据故障特征频率及其倍频计算包络谱幅值的特征能量比(Feature energy ratio,FER);然后,根据自相关函数(Autocorrelation function,AF)得到包络信号的总能量,将故障特征能量和噪声能量的比值作为轴承性能退化指标,之后按照FNER指标曲线划分轴承寿命状态和实现样本标签化;随后,使用标签化样本训练引入了密集连接网络的IDRSN得到轴承寿命状态识别模型.为了提高抗干扰能力,将DropBlock层引入第一个大型卷积内核,在全局平均池化之前引入Dropout技术.最后,运用两个滚动轴承全寿命周期数据集验证FNER指标和IDRSN模型的实用性和有效性,结果表明所提方法能更准确地实现滚动轴承寿命状态识别.

关键词：特征噪声能量比;滚动轴承性能退化评估;早期故障检测;改进深度残差收缩网络;寿命状态识别

所属期刊栏目：57

分类号：TH17;TN911

资助基金：国家自然科学基金;重庆市科技创新领军人才支持计划;重庆市高校创新研究群体资助项目

在线出版日期：2021-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：105-115