基于改进谱峭度与一维卷积神经网络的轴承故障诊断

作     者：张龙 徐天鹏 王朝兵 吴荣真 甄灿壮 闫乐玮 ZHANG Long;XU Tianpeng;WANG Chaobing;WU Rongzhen;ZHEN Canzhuang;YAN Lewei

作者机构：华东交通大学机电与车辆工程学院南昌330013 中车戚墅堰机车有限公司江苏常州213011 

基　　金：国家自然科学基金(51665013)及江西省自然科学基金(20161BAB216134)资助项目 江西省研究生创新资金项目(YC2019-S243) 

出 版 物：《机械设计与研究》 (Machine Design And Research)

年 卷 期：2021年第37卷第4期

页      码：99-105页

摘      要：由于轴承所处工况的复杂性,其振动信号中包含了各种噪声和干扰,导致传统信号处理方法效果不理想。因此,很多研究将信号处理方法与神经网络相结合对故障进行诊断,卷积神经网络(CNN)因其对图像具有独特的特征提取能力而被引入故障诊断领域。而通过信号处理构造的图像可能存在信息冗余问题,将信息冗余图像直接作为网络输入会增加其复杂度。针对上述问题提出了一种基于改进谱峭度与一维CNN的故障分类方法。改进谱峭度方法克服了非高斯噪声和偶然性冲击的影响,能很快地选择正确的滤波频带。考虑到构造谱峭度图的原理,将谱峭度图转换成一维序列信号,作为一维CNN输入进行故障分类,相比于直接将谱峭度图输入二维CNN中,该方法去除了图像的冗余信息,减少了网络结构参数,降低了网络复杂度。通过二组数据分析验证了该文方法的有效性和泛化性。

主 题 词：一维卷积神经网络 谱峭度图 故障诊断 特征提取 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13952/j.cnki.jofmdr.2021.0145

馆 藏 号：203104936...