重庆理工大学学报(自然科学) ›› 2021, Vol. 35 ›› Issue (2): 96-104.doi: 10.3969/j.issn.1674-8425(z).2021.02.013

• 机械·材料 • 上一篇    下一篇

基于组合降噪的卷积神经网络轴承故障诊断方法

陈雪俊1,贝绍轶1,李 波1,卿宏军2,毛坤鹏1   

  1. 1.江苏理工学院汽车与交通工程学院,江苏常州 213001;2.常州湖南大学机械装备研究院,江苏常州 213000
  • 收稿日期:2020-05-17 出版日期:2021-03-22 发布日期:2021-03-22
  • 作者简介:陈雪俊,男,硕士研究生,主要从事新能源汽车及实验台架故障诊断?无人车避障与路径规划算法研究,E-mail:cxj1041765861@163.com;贝绍轶,男,教授,主要从事新能源汽车控制技术?报废汽车拆解及材料回收利用方面研究,E-mail:bsy1968@126.com?
  • 基金资助:
    国家自然科学基金项目(51705220);江苏省高校自然科学基金重大项目(17KJA580003);江苏省高校自然科学基金项目(17KJD580001)

  • Received:2020-05-17 Online:2021-03-22 Published:2021-03-22

摘要: 针对滚动轴承振动信号包含不同频率复杂噪声,单一降噪方法难以去除多种噪声,导致最终故障诊断率低的问题?提出一种基于组合降噪的卷积神经网络的轴承故障诊断方法?首先,通过SVD分解方法,根据奇异值差分谱,一次降噪并重构信号,去除信号内能量较低的宽频率噪声;再根据降噪重构信号,自适应选取CEEMD分解的参数,并进行自适应CEEMD分解,利用线性相关系数与峭度交集法滤除相关程度低?故障特征信息少的IMF分量,同时二次降噪并重构信号;最后,构建一维卷积神经网络并进行轴承故障诊断?通过原信号和组合降噪后信号的时频分析,轴承故障诊断实验,验证了该方法的有效性?

关键词: SVD分解∣自适应CEEMD分解∣卷积神经网络∣故障诊断

中图分类号: 

  • TH17