强背景噪声下滚动轴承故障诊断方法研究

作     者：赵云刚 ZHAO Yun-gang

作者机构：唐山三友化工股份有限公司纯碱分公司河北唐山063305 河北省纯碱碱渣减量与资源化技术创新中心河北唐山063305 

出 版 物：《纯碱工业》 (Soda Industry)

年 卷 期：2024年第4期

页      码：3-6页

摘      要：针对实际工程中滚动轴承振动信号中包含强背景噪声,基于深度学习的智能方法诊断精度不足的问题,提出了一种基于软阈值多尺度融合卷积神经网络(soft threshold multi-scale fusion convolutional neural network,STMSFCNN)的滚动轴承故障诊断方法。首先,利用软阈值去噪模块降低信号中的噪声;然后,设计了多尺度融合卷积神经网络提取滚动轴承故障特征,将浅层和深层特征以密集连接方式进行拼接,再利用全连接层融合特征得到滚动轴承故障诊断结果;最后,利用试验台数据集进行对比试验,与已有智能方法相比,本方法在强背景噪声条件下的诊断效果最好。证明了本文方法能够有效识别强噪声工业环境下滚动轴承的故障类别,具有一定的实际工程应用性。

主 题 词：滚动轴承 故障诊断 卷积神经网络 背景噪声 软阈值 

学科分类：08[工学] 080202[080202] 0802[工学-机械学] 080201[080201] 

D　O　I：10.3969/j.issn.1005-8370.2024.04.001

馆 藏 号：203131291...